CN113936154A - 图像处理方法及装置、电子设备和存储介质 - Google Patents

图像处理方法及装置、电子设备和存储介质 Download PDF

Info

Publication number
CN113936154A
CN113936154A CN202111394874.6A CN202111394874A CN113936154A CN 113936154 A CN113936154 A CN 113936154A CN 202111394874 A CN202111394874 A CN 202111394874A CN 113936154 A CN113936154 A CN 113936154A
Authority
CN
China
Prior art keywords
image
target object
coordinate system
calibration
similarity
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202111394874.6A
Other languages
English (en)
Inventor
徐孟莹
曾星宇
谭世炜
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Sensetime Intelligent Technology Co Ltd
Original Assignee
Shanghai Sensetime Intelligent Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Sensetime Intelligent Technology Co Ltd filed Critical Shanghai Sensetime Intelligent Technology Co Ltd
Priority to CN202111394874.6A priority Critical patent/CN113936154A/zh
Publication of CN113936154A publication Critical patent/CN113936154A/zh
Priority to PCT/CN2022/109967 priority patent/WO2023093120A1/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Image Processing (AREA)
  • Studio Devices (AREA)

Abstract

本公开涉及一种图像处理方法及装置、电子设备和存储介质，所述方法包括：获取第一图像和第二图像；对第一图像和第二图像进行坐标变换，分别获得第一图像在全局坐标系中的第一区域以及第二图像在所述全局坐标系中的第二区域；确定第一目标对象和第二目标对象的相似度；在相似度大于或等于相似度阈值的情况下，将第一目标对象和第二目标对象进行合并处理。根据本公开的实施例的图像处理方法，可将多个图像获取设备拍摄的画面的图像坐标系变换至统一的全局坐标系内，进而可在全局坐标系内确定出各图像获取设备的拍摄范围的重叠区域，以对重叠区域中的目标对象进行检测，判断是否重复检测，提升检测的精确度。

Description

图像处理方法及装置、电子设备和存储介质
技术领域
本公开涉及计算机视觉技术领域，尤其涉及一种图像处理方法及装置、电子设备和存储介质。
背景技术
随着基础设施建设的不断完善，摄像头的布设和应用也越来越广泛，基于监控画面分析的物体(或事件)检测应用也在不断发展，例如行人检测、公共危险事件检测、吸烟检测等。对于范围较大或结构较为复杂的区域，一个摄像头往往无法完整覆盖监控区域，因此会在不同的位置安装多个摄像头，从不同的角度拍摄监控区域。然而，这些摄像头所覆盖的监控区域之间往往存在重叠区域，导致对于同一对象的不同视角产生多个重复的检测结果，造成重复检测。
发明内容
本公开提出了一种图像处理方法及装置、电子设备和存储介质。
根据本公开的一方面，提供了一种图像处理方法，包括：获取第一图像和第二图像，其中，所述第一图像是通过第一图像获取设备获取的，所述第二图像是通过第二图像获取设备获取的，所述第一图像中包括第一目标对象，所述第二图像中包括第二目标对象；对所述第一图像和所述第二图像进行坐标变换，分别获得所述第一图像在全局坐标系中的第一区域以及所述第二图像在所述全局坐标系中的第二区域，其中，所述全局坐标系为包括多个图像获取设备的拍摄范围的坐标系；在第一位置信息和第二位置信息位于所述第一区域和所述第二区域的重叠区域的情况下，确定所述第一目标对象和所述第二目标对象的相似度，其中，所述第一位置信息为所述第一目标对象在所述全局坐标系中的位置信息，所述第二位置信息为所述第二目标对象在所述全局坐标系中的位置信息；在所述相似度大于或等于相似度阈值的情况下，将所述第一目标对象和所述第二目标对象进行合并处理。
根据本公开的实施例的图像处理方法，可将多个图像获取设备拍摄的画面的图像坐标系变换至统一的全局坐标系内，进而可在全局坐标系内确定出各图像获取设备的拍摄范围的重叠区域，以对重叠区域中的目标对象进行检测，判断是否重复检测，从而进行去重，减少错报、重报、漏报现象，提升检测的精确度。
在一种可能的实现方式中，所述确定所述第一目标对象和所述第二目标对象的相似度，包括：根据所述第一位置信息和所述第二位置信息，确定所述第一目标对象和所述第二目标对象的距离相似度；根据所述第一图像和所述第二图像，确定所述第一目标对象和所述第二目标对象的特征相似度；根据所述距离相似度和所述特征相似度，确定所述第一目标对象和所述第二目标对象的相似度。
在一种可能的实现方式中，根据所述第一位置信息和所述第二位置信息，确定所述第一目标对象和所述第二目标对象的距离相似度，包括：根据所述第一位置信息和所述第二位置信息，确定所述第一目标对象和所述第二目标对象在所述全局坐标系中的距离信息；根据所述距离信息，确定所述距离相似度。
在一种可能的实现方式中，根据所述第一图像和所述第二图像，确定所述第一目标对象和所述第二目标对象的特征相似度，包括：对所述第一图像中第一目标对象所在区域进行特征提取，获得所述第一目标对象的第一特征信息；对所述第二图像中第二目标对象所在区域进行特征提取，获得所述第二目标对象的第二特征信息；确定所述第一特征信息和所述第二特征信息之间的所述特征相似度。
在一种可能的实现方式中，所述坐标变换通过坐标变换矩阵实现，所述方法还包括：通过多个标定目标，确定多个图像获取装置的变换矩阵，其中，所述变换矩阵用于将图像获取装置的图像坐标系变换为所述全局坐标系，所述标定目标包括多个特征点。
在一种可能的实现方式中，通过多个标定目标，确定多个图像获取装置的变换矩阵，包括：通过第三图像获取设备获取第一标定目标的第一标定图像，其中，所述第三图像获取设备为所述多个图像获取装置中的任意图像获取设备；获取所述第一标定目标的多个特征点在所述第一标定图像中的第一图像坐标，并设定所述第一标定目标的多个特征点在所述全局坐标系中的第一坐标；根据所述第一图像坐标和所述第一坐标，确定所述第三图像获取设备的变换矩阵。
在一种可能的实现方式中，通过多个标定目标，确定多个图像获取装置的变换矩阵，还包括：通过所述第三图像获取设备获取第二标定目标的第二标定图像，并通过第四图像获取设备获取所述第二标定目标的第三标定图像，其中，所述第四图像获取设备为与所述第三图像获取设备的拍摄范围存在重叠区域的图像获取设备，所述第二标定目标位于所述第三图像获取设备和所述第四图像获取设备的拍摄范围的重叠区域内；分别确定所述第二标定目标的多个特征点在所述第二标定图像中的第二图像坐标，以及在所述第三标定图像中的第三图像坐标；根据所述第三图像获取设备的变换矩阵和所述第二图像坐标，确定所述第二标定目标的多个特征点在所述全局坐标系中的第二坐标；根据所述第二坐标和所述第三图像坐标，确定所述第四图像获取设备的变换矩阵。
通过这种方式，仅需进行一次对标定目标在俯仰坐标系中坐标的设置，即可通过已知变换矩阵的图像获取设备的变换矩阵推导未知变换矩阵的图像获取设备的变换矩阵，无需对每个图像获取设备分别进行标定，可提高变换矩阵的求解效率，且有利于多个图像获取设备在空间尺度上的统一。
在一种可能的实现方式中，所述方法还包括：在所述全局坐标系中设定目标观测区域，确定所述第一目标对象和所述第二目标对象的相似度，包括：在所述第一位置信息和所述第二位置信息位于所述目标观测区域的情况下，确定所述第一目标对象和所述第二目标对象的相似度。
通过这种方式，可在变换后的整体区域中设定目标观测区域，可一次性设定完整的目标观测区域，无需在每个图像获取设备拍摄的画面中进行设定，避免了设定时的遗漏和冗余，还可提高操作的便利性。
在一种可能的实现方式中，所述全局坐标系为俯视视角的坐标系。
根据本公开的一方面，提供了一种图像处理装置，包括：获取模块，用于获取第一图像和第二图像，其中，所述第一图像是通过第一图像获取设备获取的，所述第二图像是通过第二图像获取设备获取的，所述第一图像中包括第一目标对象，所述第二图像中包括第二目标对象；变换模块，用于对所述第一图像和所述第二图像进行坐标变换，分别获得所述第一图像在全局坐标系中的第一区域以及所述第二图像在所述全局坐标系中的第二区域，其中，所述全局坐标系为包括多个图像获取设备的拍摄范围的坐标系；相似度确定模块，用于在第一位置信息和第二位置信息位于所述第一区域和所述第二区域的重叠区域的情况下，确定所述第一目标对象和所述第二目标对象的相似度，其中，所述第一位置信息为所述第一目标对象在所述全局坐标系中的位置信息，所述第二位置信息为所述第二目标对象在所述全局坐标系中的位置信息；合并模块，用于在所述相似度大于或等于相似度阈值的情况下，将所述第一目标对象和所述第二目标对象进行合并处理。
在一种可能的实现方式中，所述相似度确定模块进一步用于：根据所述第一位置信息和所述第二位置信息，确定所述第一目标对象和所述第二目标对象的距离相似度；根据所述第一图像和所述第二图像，确定所述第一目标对象和所述第二目标对象的特征相似度；根据所述距离相似度和所述特征相似度，确定所述第一目标对象和所述第二目标对象的相似度。
在一种可能的实现方式中，所述相似度确定模块进一步用于：根据所述第一位置信息和所述第二位置信息，确定所述第一目标对象和所述第二目标对象在所述全局坐标系中的距离信息；根据所述距离信息，确定所述距离相似度。
在一种可能的实现方式中，对所述第一图像中第一目标对象所在区域进行特征提取，获得所述第一目标对象的第一特征信息；对所述第二图像中第二目标对象所在区域进行特征提取，获得所述第二目标对象的第二特征信息；确定所述第一特征信息和所述第二特征信息之间的所述特征相似度。
在一种可能的实现方式中，所述坐标变换通过坐标变换矩阵实现，所述装置还包括：变换矩阵确定模块，用于通过多个标定目标，确定多个图像获取装置的变换矩阵，其中，所述变换矩阵用于将图像获取装置的图像坐标系变换为所述全局坐标系，所述标定目标包括多个特征点。
在一种可能的实现方式中，所述变换矩阵确定模块进一步用于通过第三图像获取设备获取第一标定目标的第一标定图像，其中，所述第三图像获取设备为所述多个图像获取装置中的任意图像获取设备；获取所述第一标定目标的多个特征点在所述第一标定图像中的第一图像坐标，并设定所述第一标定目标的多个特征点在所述全局坐标系中的第一坐标；根据所述第一图像坐标和所述第一坐标，确定所述第三图像获取设备的变换矩阵。
在一种可能的实现方式中，所述变换矩阵确定模块还用于通过所述第三图像获取设备获取第二标定目标的第二标定图像，并通过第四图像获取设备获取所述第二标定目标的第三标定图像，其中，所述第四图像获取设备为与所述第三图像获取设备的拍摄范围存在重叠区域的图像获取设备，所述第二标定目标位于所述第三图像获取设备和所述第四图像获取设备的拍摄范围的重叠区域内；分别确定所述第二标定目标的多个特征点在所述第二标定图像中的第二图像坐标，以及在所述第三标定图像中的第三图像坐标；根据所述第三图像获取设备的变换矩阵和所述第二图像坐标，确定所述第二标定目标的多个特征点在所述全局坐标系中的第二坐标；根据所述第二坐标和所述第三图像坐标，确定所述第四图像获取设备的变换矩阵。
在一种可能的实现方式中，所述装置还包括：区域设定模块，用于在所述全局坐标系中设定目标观测区域，所述相似度确定模块进一步用于：在所述第一位置信息和所述第二位置信息位于所述目标观测区域的情况下，确定所述第一目标对象和所述第二目标对象的相似度。
在一种可能的实现方式中，所述全局坐标系为俯视视角的坐标系。
根据本公开的一方面，提供了一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为调用所述存储器存储的指令，以执行上述方法。
根据本公开的一方面，提供了一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本公开。根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。
图1示出根据本公开实施例的图像处理方法的流程图；
图2示出根据本公开实施例的求解变换矩阵的示意图；
图3示出根据本公开实施例的目标观测区域的示意图；
图4A和图4B示出根据本公开实施例的图像处理方法的应用示意图；
图5示出根据本公开实施例的图像处理装置的框图；
图6示出根据本公开实施例的一种电子设备的框图；
图7示出根据本公开实施例的一种电子设备的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括A、B、C中的至少一种，可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
另外，为了更好地说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。
图1示出根据本公开实施例的图像处理方法的流程图，如图1所示，所述方法包括：
在步骤S11中，获取第一图像和第二图像，其中，所述第一图像是通过第一图像获取设备获取的，所述第二图像是通过第二图像获取设备获取的，所述第一图像中包括第一目标对象，所述第二图像中包括第二目标对象；
在步骤S12中，对所述第一图像和所述第二图像进行坐标变换，分别获得所述第一图像在全局坐标系中的第一区域以及所述第二图像在所述全局坐标系中的第二区域，其中，所述全局坐标系为包括多个图像获取设备的拍摄范围的坐标系；
在步骤S13中，在第一位置信息和第二位置信息位于所述第一区域和所述第二区域的重叠区域的情况下，确定所述第一目标对象和所述第二目标对象的相似度，其中，所述第一位置信息为所述第一目标对象在所述全局坐标系中的位置信息，所述第二位置信息为所述第二目标对象在所述全局坐标系中的位置信息；
在步骤S14中，在所述相似度大于或等于相似度阈值的情况下，将所述第一目标对象和所述第二目标对象进行合并处理。
根据本公开的实施例的图像处理方法，可将多个图像获取设备拍摄的画面的图像坐标系变换至统一的全局坐标系内，进而可在全局坐标系内确定出各图像获取设备的拍摄范围的重叠区域，以对重叠区域中的目标对象进行检测，判断是否重复检测，从而进行去重，减少错报、重报、漏报现象，提升检测的精确度。
在一种可能的实现方式中，在一些范围较大和/或分区较多的区域中，通常可在不同分区中布设多个图像获取设备(例如，摄像头、相机等)，以拍摄各分区的画面，为安防等工作提供支持。然而，多个图像获取设备的拍摄范围可能存在重叠，对这部分区域进行人物或事件检测时，可能造成重报或错报。也可能存在图像获取设备遗漏的区域，即，所有图像获取设备均未拍摄到的区域，这部分区域中的人物或发生的事件可能被漏检。并且，各图像获取设备之间没有直接联系，只能利用多个屏幕来分别播放各图像获取设备拍摄的画面，用户需要观察多个屏幕播放的画面才能分辨人物和/或事件，造成使用便利性不佳。
在一种可能的实现方式中，针对上述问题，本公开可通过坐标变换，将各图像获取设备拍摄的画面的图像坐标系变换至统一的全局坐标系(俯视视角的坐标系)中，以对所有图像获取设备拍摄的区域组成的整体区域以俯视的视角进行呈现，且可方便地确定出图像获取设备的拍摄范围之间的重叠区域，还可确定所有图像获取设备拍摄的区域组成的整体区域相对于需要进行安防工作的全部区域所遗漏的区域。还可进一步确定是否存在错报、重报、漏报等现象。
在一种可能的实现方式中，为实现上述目标，可将多个图像获取设备获取到的画面的图像坐标系通过坐标变换处理，变换至上述统一的全局坐标系中，所述全局坐标系为俯视视角的坐标系。但每个图像获取设备所在的位置、拍摄的角度均不同，因此，需确定每个图像获取设备对应的变换矩阵，即，可将图像获取设备获取到的画面的图像坐标系变换至全局坐标系的变换矩阵。
在一种可能的实现方式中，在标定各图像获取设备的变换矩阵时，可基于标定板等标定目标作为参考，确定标定目标中的特征点在图像获取设备获取的图像中的坐标以及在全局坐标系中的坐标，从而基于这两种坐标进行变换矩阵的求解。所述坐标变换通过坐标变换矩阵实现，所述方法还包括：通过多个标定目标，确定多个图像获取装置的变换矩阵，其中，所述变换矩阵用于将图像获取装置的图像坐标系变换为所述全局坐标系，所述标定目标包括多个特征点。由于存在多个图像获取设备，可设置多个标定目标作为参考。
在一种可能的实现方式中，标定板等标定目标可包括多个特征点，特征点可以是特征和位置较明显的点，便于寻找特征点在图像中的位置，进而求解特征点在全局坐标系中的坐标。在示例中，标定目标可以是棋盘状的标定板，棋盘格的顶点可作为所述特征点，且棋盘格排列较整齐，易于求解坐标。也可使用其他具有明显特征点的标定目标，本公开对标定目标的类别不做限制。
在一种可能的实现方式中，在第一次进行标定时，可针对任一图像获取设备进行标定，将标定目标设置在该图像获取设备的拍摄范围内，使图像获取设备能够拍摄到清晰的标定目标的图像，进而可获得标定目标中的特征点在图像中的坐标，并设定特征点在全局坐标系中的坐标(全局坐标系可以以任何位置作为原点来设立，因此，可任意设定某个特征点在全局坐标系中的坐标，并依据其他特征点与该特征点之间的位置关系来确定其他特征点在全局坐标系中的坐标)。进一步地，可基于特征点在图像中的坐标和全局坐标系中的坐标来求解该图像获取设备的变换矩阵，即，将图像获取设备拍摄的图像的图像坐标系变换为全局坐标系的变换矩阵。
在一种可能的实现方式中，通过多个标定目标，确定多个图像获取装置的变换矩阵，包括：通过第三图像获取设备获取第一标定目标的第一标定图像，其中，所述第三图像获取设备为所述多个图像获取装置中的任意图像获取设备；获取所述第一标定目标的多个特征点在所述第一标定图像中的第一图像坐标，并设定所述第一标定目标的多个特征点在所述全局坐标系中的第一坐标；根据所述第一图像坐标和所述第一坐标，确定所述第三图像获取设备的变换矩阵。
在一种可能的实现方式中，第三图像获取设备为多个图像获取设备中的任意一个。可将第一标定目标(多个标定目标中的任意一个)设置于第三图像获取设备的拍摄范围内，为便于该标定目标的特征点在全局坐标系中的坐标的设定，可将该标定目标设置于某个平面(例如，地面)上，后续在求解其他图像获取设备的变换矩阵时，同样将标定目标设置在同一平面(例如，地面)上，以便于其他标定目标的特征点在全局坐标系中的坐标的设定和求解。
在一种可能的实现方式中，可通过第三图像获取设备获取第一标定目标的第一标定图像，并检测第一标定图像中第一标定目标所在的位置，进而确定第一标定目标的特征点在第一标定图像中的第一图像坐标。在示例中，可通过OpenCV的findChessboardCorners功能来确定特征点的第一图像坐标。也可通过深度学习等方式检测到特征点，进而确定特征点的第一图像坐标。本公开对确定第一图像坐标的具体方式不做限制。在示例中，第一标定目标为棋盘状标定板，在第一标定图像中，棋盘格的第i行第j列的顶点的第一图像坐标为(xij,yij)，本公开对坐标的具体表示形式不做限制。
在一种可能的实现方式中，可设定第一标定目标的特征点在全局坐标系中的坐标。如上所述，全局坐标系可以以任何位置作为原点来设立，因此，可任意设定任一特征点在全局坐标系中的坐标，并依据其他特征点与该特征点之间的位置关系来确定其他特征点在全局坐标系中的坐标。在进行上述设定后，全局坐标系即设立完成，因此，除了可任意设定第一个特征点的坐标外，其他特征点的坐标需按照其与所述第一个特征点之间的位置关系来确定。在示例中，经过上述设定或求解，棋盘格的第i行第j列的顶点在全局坐标系中的坐标为(x′ij,y′ij)。例如，第一标定目标为棋盘状标定板，可设定棋盘中心的棋盘格的顶点的第一坐标为(0，0)，每个棋盘格的边长为10cm，则该顶点右侧第一个棋盘格的第一坐标为(10，0)，右侧第二个棋盘格的第一坐标为(20，0)…本公开对棋盘格的尺寸以及设定的坐标的具体数值不做限制。
在一种可能的实现方式中，在确定多个特征点在第一标定图像中的第一图像坐标，以及在全局坐标系中的第一坐标后，可基于这两种坐标，求解第三图像获取设备的变换矩阵，即，能够将第三图像获取设备拍摄的图像的图像坐标系中任意坐标点转换为全局坐标系中的坐标点的变换矩阵。
在示例中，可通过以下公式(1)来确定第三图像获取设备的变换矩阵H：
z′ij(x′ij,y′ij,1)T＝H(xij,yij,1)T (1)
其中，z′ij为设定的未知量，上述公式(1)需要四个或更多个对应的特征点的第一图像坐标及对应的第一坐标来进行求解。在特征点数量多于四个的情况下，例如，在棋盘状标定板的棋盘格顶点数量多于四个的情况下，可获得更多个冗余的方程，可对冗余的多个方程进行求解，以减小误差。
在一种可能的实现方式中，在进行上述求解后，第三图像获取设备的变换矩阵为已知量，可利用第三图像获取设备的变换矩阵来求解其他的图像获取设备的变换矩阵。可将标定目标设置于第三图像获取设备和另一图像获取设备的拍摄范围的重叠区域中，即，两个图像获取设备均可获取到标定目标的图像，进而均可确定标定目标的特征点在各自获得的图像中的图像坐标。基于第三图像获取设备的变换矩阵和特征点在第三图像获取设备获取的图像中的图像坐标，可求解出特征点在全局坐标系中的坐标。进一步地，可基于特征点在全局坐标系中的坐标，以及特征点在所述另一图像获取设备拍摄的图像中的坐标，即可求解出另一图像获取设备的变换矩阵。
在一种可能的实现方式中，通过多个标定目标，确定多个图像获取装置的变换矩阵，还包括：通过所述第三图像获取设备获取第二标定目标的第二标定图像，并通过第四图像获取设备获取所述第二标定目标的第三标定图像，其中，所述第四图像获取设备为与所述第三图像获取设备的拍摄范围存在重叠区域的图像获取设备，所述第二标定目标位于所述第三图像获取设备和所述第四图像获取设备的拍摄范围的重叠区域内；分别确定所述第二标定目标的多个特征点在所述第二标定图像中的第二图像坐标，以及在所述第三标定图像中的第三图像坐标；根据所述第三图像获取设备的变换矩阵和所述第二图像坐标，确定所述第二标定目标的多个特征点在所述全局坐标系中的第二坐标；根据所述第二坐标和所述第三图像坐标，确定所述第四图像获取设备的变换矩阵。
在一种可能的实现方式中，第四图像获取设备为与第三图像获取设备的拍摄范围存在重叠区域的设备，可将第二标定目标设置于重叠区域中，并分别通过第三图像获取设备和第四图像获取设备对第二标定目标进行拍摄，分别获得第二标定图像和第三标定图像。在示例中，第二标定目标为棋盘状标定板，且第二标定目标设置在与第一标定目标同一平面(例如，地面)上，第三图像获取设备和第四图像获取设备可分别获取到该棋盘状标定板的图像。
在一种可能的实现方式中，可采用与以上相同的方式获取特征点在第二标定图像中的第二图像坐标，以及在第三标定图像中的第三图像坐标，在此不再赘述。进一步地，由于第三图像获取设备的变换矩阵是已知的，因此，可利用变换矩阵对第二图像坐标进行变换，可获得特征点在全局坐标系中的第二坐标。例如，可获取棋盘状标定板的多个棋盘格的多个顶点的第二图像坐标以及第三图像坐标，并基于第三图像获取设备的变换矩阵对第二图像坐标进行变换，获得多个顶点在全局坐标系中的第二坐标。
在一种可能的实现方式中，在进行上述求解后，已获得多个顶点在全局坐标系中的第二坐标，以及在第四图像获取设备获取的第三标定图像中的第三图像坐标，类似地，可利用以上公式(1)，即可求解第四图像获取设备的变换矩阵，即，能够将第四图像获取设备拍摄的图像的图像坐标系中任意坐标点转换为全局坐标系中的坐标点的变换矩阵。
在一种可能的实现方式中，可通过上述方式，将标定目标设置于已知变换矩阵的图像获取设备和未知变换矩阵的图像获取设备的拍摄范围的重叠区域中，并分别拍摄标定目标的图像，进而通过已知的变换矩阵确定标定目标的特征点在全局坐标系中的坐标，从而可基于公式(1)求解未知变换矩阵的图像获取设备的变换矩阵。可迭代执行此处理步骤，即可获得多个图像获取设备的变换矩阵。
在一种可能的实现方式中，如果某个图像获取设备的拍摄范围与其他多个图像获取设备的拍摄范围存在重叠区域，则可在确定该图像获取设备的变换矩阵后，将标定目标设置于与其他多个图像获取设备的拍摄范围的共同的重叠区域中，进而可一次求解多个图像获取设备的变换矩阵。
通过这种方式，仅需进行一次对标定目标在俯仰坐标系中坐标的设置，即可通过已知变换矩阵的图像获取设备的变换矩阵推导未知变换矩阵的图像获取设备的变换矩阵，无需对每个图像获取设备分别进行标定，可提高变换矩阵的求解效率，且有利于多个图像获取设备在空间尺度上的统一。
图2示出根据本公开实施例的求解变换矩阵的示意图，如图2所示，三个相机(相机A、相机B和相机C)分别设置在不同区域，且其拍摄范围可存在重叠区域。可将棋盘状标定板设置在相机A和相机B的拍摄范围的重叠区域ΩAB的地面上，并通过相机A和相机B拍摄该棋盘状标定板的图像，例如，相机A拍摄到的图像为
Figure BDA0003369914180000091
相机B拍摄到的图像为
Figure BDA0003369914180000092
例如，可首先确定相机A的变换矩阵，可通过OpenCV的findChessboardCorners功能在确定图像
Figure BDA0003369914180000093
中棋盘格顶点的坐标，还可为这些顶点设定全局坐标系中的坐标，进而通过公式(1)确定相机A的变换矩阵HA。进一步地，可通过同样的方式获得图像
Figure BDA0003369914180000094
中棋盘格顶点的坐标，同样可通过公式(1)确定相机B的变换矩阵HB。
在示例中，在求解相机C的变换矩阵时，可将棋盘状标定板设置在相机C和相机B的拍摄范围的重叠区域ΩBC的地面上，并通过相机B和相机C均可拍摄到该棋盘状标定板的图像，例如，相机B拍摄到的图像为
Figure BDA0003369914180000095
相机C拍摄到的图像为
Figure BDA0003369914180000096
进一步地，可通过与上述相同的方式确定图像
Figure BDA0003369914180000097
和图像
Figure BDA0003369914180000098
中棋盘格顶点的坐标。由于相机B的变换矩阵HB是已知的，可利用相机B的变换矩阵以及图像
Figure BDA0003369914180000099
中棋盘格顶点的坐标，确定全局坐标系中棋盘格顶点对应的坐标，从而可基于全局坐标系中棋盘格顶点的坐标与图像
Figure BDA00033699141800000910
中棋盘格顶点的坐标，通过公式(1)确定相机C的变换矩阵HC。
在一种可能的实现方式中，如果某个图像获取设备与其他所有图像获取设备的拍摄范围均无重叠区域，则可在该图像获取设备的拍摄范围内设置标定目标，并拍摄该标定目标从而获取标定目标的特征点在图像中的坐标，进一步地，可对标定目标的特征点与已知全局坐标系中坐标的其他标定目标的特征点之间的位置关系进行实际测量，从而确定该标定目标在全局坐标系中的坐标。进而可基于特征点在图像中的坐标以及在全局坐标系中的坐标，通过公式(1)来求解变换矩阵。进一步地，还可确定该图像获取设备的拍摄范围与其他图像获取设备的拍摄范围之间可能存在遗漏，即，存在一些所有图像获取设备均无法拍摄到的视野盲区，在安防过程中存在漏检的可能性。因而可提醒工作人员执行相应的措施，例如，加强视野盲区的安防力度，或者在视野盲区增设图像获取设备等，本公开对此不做限制。
在一种可能的实现方式中，在经过上述求解之后，可获得所有图像获取设备的变换矩阵，并将所有图像获取设备的拍摄区域变换至全局坐标系中，形成在全局坐标系中的整体区域，还可确定出各图像获取设备的拍摄范围的重叠区域在全局坐标系中的位置，该位置中的人物检测或事件检测等易造成重报等现象。
在一种可能的实现方式中，还可在上述全局坐标系中的整体区域中，确定出重点关注的区域，并对重点关注区域中的人物和事件进行检测，还可针对重点关注区域中的图像获取设备拍摄范围的重叠区域进行重报等现象的判断。所述方法还包括：在所述全局坐标系中设定目标观测区域，所述第一目标对象和所述第二目标对象为所述目标观测区域中的目标对象，确定所述第一目标对象和所述第二目标对象的相似度，包括：在所述第一位置信息和所述第二位置信息位于所述目标观测区域的情况下，确定所述第一目标对象和所述第二目标对象的相似度。即，对于目标观测区域中的目标对象，如果两个或多个目标对象处于图像获取设备的拍摄范围的重叠区域中，则对这些目标对象进行相似度检测，并进行去重处理，如果目标对象未处于目标观测区域中，则可不对其进行去重处理。
图3示出根据本公开实施例的目标观测区域的示意图，如图3所示，在通过变换矩阵将所有图像获取设备的拍摄区域变换至全局坐标系中后，标定目标(例如，棋盘状标定板)所在的平面(例如，地面)不存在坐标变换过程中产生的畸变。且由于其视角为整体区域的俯视视角，标定板所在平面(例如，地面)不会发生透视带来的畸变。可基于未发生畸变的平面(例如，地面)来设定目标观测区域。例如，在客流量较大的通道、走廊等位置设定目标观测区域，以重点观测该区域中的人物和/或事件。
通过这种方式，可在变换后的整体区域中设定目标观测区域，可一次性设定完整的目标观测区域，无需在每个图像获取设备拍摄的画面中进行设定，避免了设定时的遗漏和冗余，还可提高操作的便利性。
在一种可能的实现方式中，在获得所有图像获取设备的变换矩阵和目标观测区域后，可对目标观测区域中的人物和/或事件进行检测，同时，还可对图像获取设备的拍摄范围的重叠区域中的人物和/或事件是否出现重报进行判断。
在一种可能的实现方式中，在步骤S11中，第一图像获取设备和第二图像获取设备的拍摄范围存在重叠区域，在二者获取的图像(即，第一图像和第二图像)中，分别存在第一目标对象和第二目标对象。在步骤S12中，利用第一图像获取设备的变换矩阵，可将第一图像中的各像素点变换至全局坐标系中，获得第一图像在全局坐标系中对应的第一区域，即，第一图像获取设备的拍摄范围在全局坐标系中对应的第一区域。类似地，利用第二图像获取设备的变换矩阵，可将第二图像中的各像素点变换至全局坐标系中，获得第二图像在全局坐标系中对应的第二区域，即，第二图像获取设备的拍摄范围在全局坐标系中对应的第二区域。
在示例中，可通过以下公式(2)进行变换，获得全局坐标系中的位置信息：
(x′z′,y′z′,z′)T＝H(x,y,1)T (2)
其中，(x,y)为第一图像或第二图像中像素点的坐标，例如，第一目标对象所在位置的坐标或第二目标对象所在位置的坐标。(x′,y′)为全局坐标系中的坐标，例如，第一位置信息或第二位置信息，z′为中间结果，对确定距离没有影响。H为第一变换矩阵或第二变换矩阵。
在一种可能的实现方式中，在步骤S13中，如果第一目标对象和第二目标对象位于第一图像获取设备与第二图像获取设备的拍摄范围的重叠区域中，即，第一目标对象在全局坐标系中的第一位置信息和第二目标对象的第二位置信息位于全局坐标系中的第一区域和第二区域的重叠区域中，则可判断二者是否出现重报，即，两个图像获取设备针对同一个目标对象分别产生了检测结果，导致检测结果重复的情况。在示例中，如上所述，如果在全局坐标系中设定了目标观测区域，则还可判断第一位置信息和第二位置信息是否处于目标观测区域中，如果第一位置信息和第二位置信息既处于目标观测区域中，又处于第一区域和第二区域的重叠区域中，则可对第一目标对象和第二目标对象进行相似度检测，判断二者是否出现重报。
在一种可能的实现方式中，可基于第一目标对象和第二目标对象之间的相似度来确定是否出现重报。步骤S13可包括：根据所述第一位置信息和所述第二位置信息，确定所述第一目标对象和所述第二目标对象的距离相似度；根据所述第一图像和所述第二图像，确定所述第一目标对象和所述第二目标对象的特征相似度；根据所述距离相似度和所述特征相似度，确定所述第一目标对象和所述第二目标对象的相似度。
在一种可能的实现方式中，在确定距离相似度时，由于各图像获取设备的画面是独立的，难以确定两个画面中的目标对象之间的距离，因此，可确定二者在全局坐标系中的距离，即，在整体区域中的距离。根据所述第一位置信息和所述第二位置信息，确定所述第一目标对象和所述第二目标对象的距离相似度，包括：根据所述第一位置信息和所述第二位置信息，确定所述第一目标对象和所述第二目标对象在所述全局坐标系中的距离信息；根据所述距离信息，确定所述距离相似度。
在示例中，可确定第一位置信息和第二位置信息在全局坐标系中的距离信息，例如，可确定二者的欧式距离等距离信息。进而可基于距离信息确定距离相似度，即，距离越小，距离相似度越高。在示例中，可通过以下公式(3)来确定二者之间的距离相似度：
Figure BDA0003369914180000111
其中，Sd为距离相似度，x为第一位置信息和第二位置信息之间的距离信息。a为预设参数。
在一种可能的实现方式中，距离相似度可作为相似度的参考，例如，二者距离非常近，距离相似度非常高时，可确定二者处于空间中的同一位置，则二者可能为两个图像获取设备拍摄到的同一个目标对象。
在一种可能的实现方式中，除上述距离相似度外，还可确定二者的特征相似度，根据所述第一图像和所述第二图像，确定所述第一目标对象和所述第二目标对象的特征相似度，包括：对所述第一图像中第一目标对象所在区域进行特征提取，获得所述第一目标对象的第一特征信息；对所述第二图像中第二目标对象所在区域进行特征提取，获得所述第二目标对象的第二特征信息；确定所述第一特征信息和所述第二特征信息之间的所述特征相似度。
在一种可能的实现方式中，可通过深度学习等方式获得第一目标对象的第一特征信息，并通过相同方式获得第二目标对象的第二特征信息，在示例中，第一特征信息和第二特征信息可以是向量形式的信息，本公开对特征信息的类型不做限制。
在一种可能的实现方式中，在确定二者的特征相似度时，可通过余弦相似度来表示特征相似度，例如，可通过以下公式(4)确定特征相似度：
Figure BDA0003369914180000112
其中，Sf为二者的特征相似度，A为第一特征信息，B为第二特征信息。
在一种可能的实现方式中，可将上述两种相似度进行结合，以综合确定第一目标对象和第二目标对象的相似度，在示例中，可通过以下公式(5)来确定二者的相似度：
S＝trunc(Sd,Td)×trunc(Sf,Tf) (5)
其中，S为二者的相似度，Td为距离相似度的阈值，Tf为特征相似度的阈值，trunc为截断函数，表示当相似度小于阈值时，将相似度设置为0。
在一种可能的实现方式中，也可通过其他方式对两种相似度进行综合，例如，将两种相似度直接相乘、求算术平均值、求集合平均值等方式，本公开对此不做限制。
在一种可能的实现方式中，在步骤S14中，如果相似度大于或等于阈值，则可确定第一目标对象和第二目标对象匹配，即，确定二者为不同图像获取设备拍摄到的同一目标对象。则可将所述第一目标对象和第二目标对象进行合并处理。在示例中，可在全局坐标系中将两个目标对象合并，例如，将第一目标对象和第二目标的轮廓、位置等进行合并，和/或，如果第一目标对象和第二目标对象均具有各自的标识，例如，代表各自身份的标识，则可在二者匹配的情况下，将标识进行合并，即，表示二者为同一个目标对象，以对重报现象进行去重处理，提升检测精度。
根据本公开的实施例的图像处理方法，可将多个图像获取设备拍摄的画面的图像坐标系变换至统一的全局坐标系内，进而可在全局坐标系内确定出各图像获取设备的拍摄范围的重叠区域，以对重叠区域中的目标对象进行检测，判断是否重复检测，从而进行去重，减少重报现象，提升检测的精确度。还可在全局坐标系下的整体区域中，判断有无视野盲区，减少漏报的现象。进一步地，可在全局坐标系下的整体区域中确定目标观测区域，无需在多个图像获取设备拍摄的画面中分别确定，减少冗余和遗漏现象，且可提升操作便利性。再者，将各图像获取设备拍摄的画面变换至统一的全局坐标系中，可消除各图像获取设备的拍摄角度、焦距、放大倍数等空间尺度参数的影响，而使用统一的坐标系进行运算，提高了检测和匹配的精度，减少了变换空间尺度参数的运算资源占用，降低了变换过程中的误差。
图4A和图4B示出根据本公开实施例的图像处理方法的应用示意图，如图4A所示，可分别对相机A、相机B和相机C拍摄的视频流进行目标检测，相机A拍摄的画面中检测到的目标对象的集合为EA，相机B拍摄的画面中检测到的目标对象的集合为EB，相机C拍摄的画面中检测到的目标对象的集合为EC。可将这些目标对象所在的位置分别经过变换矩阵HA、HB和HC的变换，获得这些目标对象在全局坐标系下的位置坐标。同时，还可利用设定的目标观测区域R来判断这些目标对象的位置是否位于全局坐标系下的目标观测区域中，可将目标观测区域外的目标对象排除。
在一种可能的实现方式中，在进行上述处理后，可判断各相机拍摄到的画面中，是否存在重复的目标对象，如果存在，则进行去重处理。在示例中，针对EA和EB中的目标对象，可分别计算各个目标对象之间的相似度，EA中多个目标对象与EB中多个目标对象彼此之间的相似度可构成相似度矩阵SAB。也可仅确定位于相机A和相机B的拍摄范围的重叠区域中的目标对象的相似度矩阵，本公开对此不做限制。
在一种可能的实现方式中，可使用全局匹配方法(例如匈牙利算法、KM算法)进行匹配，确定出相似度矩阵中相似度大于或等于阈值的目标对象组，并将这些目标对象组进行去重，例如，可将目标对象组中不同目标对象的标识进行合并，表示该组的两个目标对象为同一目标对象。类似地，也可对EB和EC中的目标对象进行去重。
在一种可能的实现方式中，进一步地，可将去重后的目标对象的集合进行进一步去重，以对EA和EB去重后的交集，以及EB和EC去重后的交集进行去重，获得整体区域中目标对象的检测结果的集合Eall。
在一种可能的实现方式中，也可将所有集合直接进行去重，例如，直接对EA、EB和EC一起进行去重，本公开对去重的顺序不做限制。
在一种可能的实现方式中，所述图像处理方法可用于对存在多个摄像头的区域进行检测、去重和结果统计等领域，本公开对图像处理方法的因公领域不做限制。
可以理解，本公开提及的上述各个方法实施例，在不违背原理逻辑的情况下，均可以彼此相互结合形成结合后的实施例，限于篇幅，本公开不再赘述。本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
此外，本公开还提供了图像处理装置、电子设备、计算机可读存储介质、程序，上述均可用来实现本公开提供的任一种图像处理方法，相应技术方案和描述和参见方法部分的相应记载，不再赘述。
图5示出根据本公开实施例的图像处理装置的框图，如图5所示，所述装置包括：获取模块11，用于获取第一图像和第二图像，其中，所述第一图像是通过第一图像获取设备获取的，所述第二图像是通过第二图像获取设备获取的，所述第一图像中包括第一目标对象，所述第二图像中包括第二目标对象；变换模块12，用于对所述第一图像和所述第二图像进行坐标变换，分别获得所述第一图像在全局坐标系中的第一区域以及所述第二图像在所述全局坐标系中的第二区域，其中，所述全局坐标系为包括多个图像获取设备的拍摄范围的坐标系；相似度确定模块13，用于在第一位置信息和第二位置信息位于所述第一区域和所述第二区域的重叠区域的情况下，确定所述第一目标对象和所述第二目标对象的相似度，其中，所述第一位置信息为所述第一目标对象在所述全局坐标系中的位置信息，所述第二位置信息为所述第二目标对象在所述全局坐标系中的位置信息；合并模块14，用于在所述相似度大于或等于相似度阈值的情况下，将所述第一目标对象和所述第二目标对象进行合并处理。
在一种可能的实现方式中，所述相似度确定模块进一步用于：根据所述第一位置信息和所述第二位置信息，确定所述第一目标对象和所述第二目标对象的距离相似度；根据所述第一图像和所述第二图像，确定所述第一目标对象和所述第二目标对象的特征相似度；根据所述距离相似度和所述特征相似度，确定所述第一目标对象和所述第二目标对象的相似度。
在一种可能的实现方式中，所述相似度确定模块进一步用于：根据所述第一位置信息和所述第二位置信息，确定所述第一目标对象和所述第二目标对象在所述全局坐标系中的距离信息；根据所述距离信息，确定所述距离相似度。
在一种可能的实现方式中，对所述第一图像中第一目标对象所在区域进行特征提取，获得所述第一目标对象的第一特征信息；对所述第二图像中第二目标对象所在区域进行特征提取，获得所述第二目标对象的第二特征信息；确定所述第一特征信息和所述第二特征信息之间的所述特征相似度。
在一种可能的实现方式中，所述坐标变换通过坐标变换矩阵实现，所述装置还包括：变换矩阵确定模块，用于通过多个标定目标，确定多个图像获取装置的变换矩阵，其中，所述变换矩阵用于将图像获取装置的图像坐标系变换为所述全局坐标系，所述标定目标包括多个特征点。
在一种可能的实现方式中，所述变换矩阵确定模块进一步用于通过第三图像获取设备获取第一标定目标的第一标定图像，其中，所述第三图像获取设备为所述多个图像获取装置中的任意图像获取设备；获取所述第一标定目标的多个特征点在所述第一标定图像中的第一图像坐标，并设定所述第一标定目标的多个特征点在所述全局坐标系中的第一坐标；根据所述第一图像坐标和所述第一坐标，确定所述第三图像获取设备的变换矩阵。
在一种可能的实现方式中，所述变换矩阵确定模块还用于通过所述第三图像获取设备获取第二标定目标的第二标定图像，并通过第四图像获取设备获取所述第二标定目标的第三标定图像，其中，所述第四图像获取设备为与所述第三图像获取设备的拍摄范围存在重叠区域的图像获取设备，所述第二标定目标位于所述第三图像获取设备和所述第四图像获取设备的拍摄范围的重叠区域内；分别确定所述第二标定目标的多个特征点在所述第二标定图像中的第二图像坐标，以及在所述第三标定图像中的第三图像坐标；根据所述第三图像获取设备的变换矩阵和所述第二图像坐标，确定所述第二标定目标的多个特征点在所述全局坐标系中的第二坐标；根据所述第二坐标和所述第三图像坐标，确定所述第四图像获取设备的变换矩阵。
在一种可能的实现方式中，所述装置还包括：区域设定模块，用于在所述全局坐标系中设定目标观测区域，所述相似度确定模块进一步用于：在所述第一位置信息和所述第二位置信息位于所述目标观测区域的情况下，确定所述第一目标对象和所述第二目标对象的相似度。
在一种可能的实现方式中，所述全局坐标系为俯视视角的坐标系。
在一些实施例中，本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述。
本公开实施例还提出一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。计算机可读存储介质可以是非易失性计算机可读存储介质。
本公开实施例还提出一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为调用所述存储器存储的指令，以执行上述方法。
本公开实施例还提供了一种计算机程序产品，包括计算机可读代码，当计算机可读代码在设备上运行时，设备中的处理器执行用于实现如上任一实施例提供的图像处理方法的指令。
本公开实施例还提供了另一种计算机程序产品，用于存储计算机可读指令，指令被执行时使得计算机执行上述任一实施例提供的图像处理方法的操作。
电子设备可以被提供为终端、服务器或其它形态的设备。
图6示出根据本公开实施例的一种电子设备800的框图。例如，电子设备800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等终端。
参照图6，电子设备800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(I/O)的接口812，传感器组件814，以及通信组件816。
处理组件802通常控制电子设备800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为电子设备800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边缘，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当电子设备800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当电子设备800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器，用于为电子设备800提供各个方面的状态评估。例如，传感器组件814可以检测到电子设备800的打开/关闭状态，组件的相对定位，例如所述组件为电子设备800的显示器和小键盘，传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变，用户与电子设备800接触的存在或不存在，电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
在示例性实施例中，电子设备800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器804，上述计算机程序指令可由电子设备800的处理器820执行以完成上述方法。
图7示出根据本公开实施例的一种电子设备1900的框图。例如，电子设备1900可以被提供为一服务器。参照图7，电子设备1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行上述方法。
电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理，一个有线或无线网络接口1950被配置为将电子设备1900连接到网络，和一个输入输出(I/O)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统，例如Windows ServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM或类似。
在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器1932，上述计算机程序指令可由电子设备1900的处理组件1922执行以完成上述方法。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
该计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中，所述计算机程序产品具体体现为计算机存储介质，在另一个可选实施例中，计算机程序产品具体体现为软件产品，例如软件开发包(Software Development Kit，SDK)等等。
以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims (12)

1.一种图像处理方法，其特征在于，包括：
获取第一图像和第二图像，其中，所述第一图像是通过第一图像获取设备获取的，所述第二图像是通过第二图像获取设备获取的，所述第一图像中包括第一目标对象，所述第二图像中包括第二目标对象；
对所述第一图像和所述第二图像进行坐标变换，分别获得所述第一图像在全局坐标系中的第一区域以及所述第二图像在所述全局坐标系中的第二区域，其中，所述全局坐标系为包括多个图像获取设备的拍摄范围的坐标系；
在第一位置信息和第二位置信息位于所述第一区域和所述第二区域的重叠区域的情况下，确定所述第一目标对象和所述第二目标对象的相似度，其中，所述第一位置信息为所述第一目标对象在所述全局坐标系中的位置信息，所述第二位置信息为所述第二目标对象在所述全局坐标系中的位置信息；
在所述相似度大于或等于相似度阈值的情况下，将所述第一目标对象和所述第二目标对象进行合并处理。
2.根据权利要求1所述的方法，其特征在于，所述确定所述第一目标对象和所述第二目标对象的相似度，包括：
根据所述第一位置信息和所述第二位置信息，确定所述第一目标对象和所述第二目标对象的距离相似度；
根据所述第一图像和所述第二图像，确定所述第一目标对象和所述第二目标对象的特征相似度；
根据所述距离相似度和所述特征相似度，确定所述第一目标对象和所述第二目标对象的相似度。
3.根据权利要求2所述的方法，其特征在于，根据所述第一位置信息和所述第二位置信息，确定所述第一目标对象和所述第二目标对象的距离相似度，包括：
根据所述第一位置信息和所述第二位置信息，确定所述第一目标对象和所述第二目标对象在所述全局坐标系中的距离信息；
根据所述距离信息，确定所述距离相似度。
4.根据权利要求2所述的方法，其特征在于，根据所述第一图像和所述第二图像，确定所述第一目标对象和所述第二目标对象的特征相似度，包括：
对所述第一图像中第一目标对象所在区域进行特征提取，获得所述第一目标对象的第一特征信息；
对所述第二图像中第二目标对象所在区域进行特征提取，获得所述第二目标对象的第二特征信息；
确定所述第一特征信息和所述第二特征信息之间的所述特征相似度。
5.根据权利要求1-4中任一项所述的方法，其特征在于，所述坐标变换通过坐标变换矩阵实现，
所述方法还包括：
通过多个标定目标，确定多个图像获取装置的变换矩阵，其中，所述变换矩阵用于将图像获取装置的图像坐标系变换为所述全局坐标系，所述标定目标包括多个特征点。
6.根据权利要求5所述的方法，其特征在于，通过多个标定目标，确定多个图像获取装置的变换矩阵，包括：
通过第三图像获取设备获取第一标定目标的第一标定图像，其中，所述第三图像获取设备为所述多个图像获取装置中的任意图像获取设备；
获取所述第一标定目标的多个特征点在所述第一标定图像中的第一图像坐标，并设定所述第一标定目标的多个特征点在所述全局坐标系中的第一坐标；
根据所述第一图像坐标和所述第一坐标，确定所述第三图像获取设备的变换矩阵。
7.根据权利要求5或6所述的方法，其特征在于，通过多个标定目标，确定多个图像获取装置的变换矩阵，还包括：
通过所述第三图像获取设备获取第二标定目标的第二标定图像，并通过第四图像获取设备获取所述第二标定目标的第三标定图像，其中，所述第四图像获取设备为与所述第三图像获取设备的拍摄范围存在重叠区域的图像获取设备，所述第二标定目标位于所述第三图像获取设备和所述第四图像获取设备的拍摄范围的重叠区域内；
分别确定所述第二标定目标的多个特征点在所述第二标定图像中的第二图像坐标，以及在所述第三标定图像中的第三图像坐标；
根据所述第三图像获取设备的变换矩阵和所述第二图像坐标，确定所述第二标定目标的多个特征点在所述全局坐标系中的第二坐标；
根据所述第二坐标和所述第三图像坐标，确定所述第四图像获取设备的变换矩阵。
8.根据权利要求1所述的方法，其特征在于，所述方法还包括：在所述全局坐标系中设定目标观测区域，
确定所述第一目标对象和所述第二目标对象的相似度，包括：
在所述第一位置信息和所述第二位置信息位于所述目标观测区域的情况下，确定所述第一目标对象和所述第二目标对象的相似度。
9.根据权利要求1-8中任一项所述的方法，其特征在于，所述全局坐标系为俯视视角的坐标系。
10.一种图像处理装置，其特征在于，包括：
获取模块，用于获取第一图像和第二图像，其中，所述第一图像是通过第一图像获取设备获取的，所述第二图像是通过第二图像获取设备获取的，所述第一图像中包括第一目标对象，所述第二图像中包括第二目标对象；
变换模块，用于对所述第一图像和所述第二图像进行坐标变换，分别获得所述第一图像在全局坐标系中的第一区域以及所述第二图像在所述全局坐标系中的第二区域，其中，所述全局坐标系为包括多个图像获取设备的拍摄范围的坐标系；
相似度确定模块，用于在第一位置信息和第二位置信息位于所述第一区域和所述第二区域的重叠区域的情况下，确定所述第一目标对象和所述第二目标对象的相似度，其中，所述第一位置信息为所述第一目标对象在所述全局坐标系中的位置信息，所述第二位置信息为所述第二目标对象在所述全局坐标系中的位置信息；
合并模块，用于在所述相似度大于或等于相似度阈值的情况下，将所述第一目标对象和第二目标对象进行合并处理。
11.一种电子设备，其特征在于，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为调用所述存储器存储的指令，以执行权利要求1至9中任意一项所述的方法。
12.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至9中任意一项所述的方法。
CN202111394874.6A 2021-11-23 2021-11-23 图像处理方法及装置、电子设备和存储介质 Pending CN113936154A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202111394874.6A CN113936154A (zh) 2021-11-23 2021-11-23 图像处理方法及装置、电子设备和存储介质
PCT/CN2022/109967 WO2023093120A1 (zh) 2021-11-23 2022-08-03 图像处理方法及装置、电子设备、存储介质和计算机程序产品

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111394874.6A CN113936154A (zh) 2021-11-23 2021-11-23 图像处理方法及装置、电子设备和存储介质

Publications (1)

Publication Number Publication Date
CN113936154A true CN113936154A (zh) 2022-01-14

Family

ID=79287350

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111394874.6A Pending CN113936154A (zh) 2021-11-23 2021-11-23 图像处理方法及装置、电子设备和存储介质

Country Status (2)

Country Link
CN (1) CN113936154A (zh)
WO (1) WO2023093120A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023093120A1 (zh) * 2021-11-23 2023-06-01 上海商汤智能科技有限公司 图像处理方法及装置、电子设备、存储介质和计算机程序产品
CN116758171A (zh) * 2023-08-21 2023-09-15 武汉中导光电设备有限公司 成像系统位姿矫正方法、装置、设备及可读存储介质

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109118545B (zh) * 2018-07-26 2021-04-16 深圳市易尚展示股份有限公司 基于旋转轴和双目摄像头的三维成像系统标定方法及系统
US10839508B2 (en) * 2019-03-21 2020-11-17 Sri International Integrated circuit image alignment and stitching
CN111986246B (zh) * 2019-05-24 2024-04-30 北京四维图新科技股份有限公司 基于图像处理的三维模型重建方法、装置和存储介质
CN110418114B (zh) * 2019-08-20 2021-11-16 京东方科技集团股份有限公司 一种对象跟踪方法、装置、电子设备及存储介质
CN111008621B (zh) * 2020-03-10 2020-07-07 浙江清鹤科技有限公司 对象追踪方法、装置、计算机设备和存储介质
CN113936154A (zh) * 2021-11-23 2022-01-14 上海商汤智能科技有限公司 图像处理方法及装置、电子设备和存储介质

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023093120A1 (zh) * 2021-11-23 2023-06-01 上海商汤智能科技有限公司 图像处理方法及装置、电子设备、存储介质和计算机程序产品
CN116758171A (zh) * 2023-08-21 2023-09-15 武汉中导光电设备有限公司 成像系统位姿矫正方法、装置、设备及可读存储介质
CN116758171B (zh) * 2023-08-21 2023-10-27 武汉中导光电设备有限公司 成像系统位姿矫正方法、装置、设备及可读存储介质

Also Published As

Publication number Publication date
WO2023093120A1 (zh) 2023-06-01

Similar Documents

Publication Publication Date Title
CN110674719B (zh) 目标对象匹配方法及装置、电子设备和存储介质
CN109697734B (zh) 位姿估计方法及装置、电子设备和存储介质
US20210326587A1 (en) Human face and hand association detecting method and a device, and storage medium
CN111983635B (zh) 位姿确定方法及装置、电子设备和存储介质
CN113066086B (zh) 道路病害检测方法及装置、电子设备和存储介质
CN110503689B (zh) 位姿预测方法、模型训练方法及装置
US11288531B2 (en) Image processing method and apparatus, electronic device, and storage medium
CN109584362B (zh) 三维模型构建方法及装置、电子设备和存储介质
CN110473259A (zh) 位姿确定方法及装置、电子设备和存储介质
CN114019473A (zh) 对象检测方法及装置、电子设备和存储介质
WO2023093120A1 (zh) 图像处理方法及装置、电子设备、存储介质和计算机程序产品
CN112945207B (zh) 目标定位方法及装置、电子设备和存储介质
CN114170324A (zh) 标定方法及装置、电子设备和存储介质
CN109522937B (zh) 图像处理方法及装置、电子设备和存储介质
CN110928627A (zh) 界面展示方法及装置、电子设备和存储介质
CN111538855A (zh) 视觉定位方法及装置、电子设备和存储介质
CN112219224A (zh) 图像处理方法及装置、电子设备和存储介质
CN112016443B (zh) 同行识别方法及装置、电子设备和存储介质
CN112184787A (zh) 图像配准方法及装置、电子设备和存储介质
CN111860373B (zh) 目标检测方法及装置、电子设备和存储介质
CN111563138A (zh) 定位方法及装置、电子设备和存储介质
CN112529846A (zh) 图像处理方法及装置、电子设备和存储介质
CN111339880A (zh) 一种目标检测方法及装置、电子设备和存储介质
CN113538310A (zh) 图像处理方法及装置、电子设备和存储介质
CN113345000A (zh) 深度检测方法及装置、电子设备和存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 40062794

Country of ref document: HK