[發明專利]一種訓練物體識別神經網絡的方法、裝置及計算設備

有效

• 申請號: 201910022601.5
• 申請日: 2019-01-10
• 公開（公告）號: CN109840883B
• 公開（公告）日: 2022-12-23
• 發明（設計）人: 王文琦;廉士國;南一冰
• 申請（專利權）人: 達闥機器人股份有限公司
• 主分類號: G06T3/00
• 分類號: G06T3/00;G06T5/00;G06T7/62;G06N3/08;G06V10/764;G06V10/82
• 代理公司: 深圳市愛迪森知識產權代理事務所(普通合伙) 44341
• 代理人: 何婷

本發明涉及計算機視覺技術領域，尤其公開了一種訓練物體識別神經網絡的方法、裝置及計算設備，其中，方法包括：獲取畸變魚眼圖像，其中，所述畸變魚眼圖像中包含有至少一個目標物體；將所述畸變魚眼圖像按照畸變程度劃分成若干個區域；確定所述目標物體所屬區域；根據所述目標物體所屬區域，對所述至少一個目標物體進行分類；將所述畸變魚眼圖像及各所述目標物體所屬的類別輸入物體識別神經網絡，對所述物體識別神經網絡進行訓練。由此可見，利用本發明方案，可以提高物體識別神經網絡基于畸變魚眼圖像識別目標物體的識別效果。

技術領域

本發明實施例涉及計算機視覺技術領域，特別是涉及一種訓練物體識別神經網絡的方法、裝置及計算設備。

背景技術

魚眼鏡頭是比標準鏡頭視角更大、焦距更短的一種特殊鏡頭，魚眼鏡頭由于其視角大焦距短的自身結構特點，導致其采集到的魚眼圖像具有畸變。目前魚眼鏡頭主要用在視頻監控場景中，針對魚眼鏡頭采集到的畸變圖像進行校正，將其校正成符合人眼視覺效果的圖片，然后使用拼接算法將校正后的魚眼圖像拼接，將拼接完成后的圖像使用目標檢測識別算法識別。

本發明的發明人在實現本發明的過程中，發現：現有技術需要將畸變魚眼圖像校正成為符合人眼效果的圖像，過程繁瑣，無法直接識別畸變魚眼圖像。

發明內容

鑒于上述問題，提出了本發明以便提供一種克服上述問題或者至少部分地解決上述問題的一種訓練物體識別神經網絡的方法、裝置及計算設備。

為解決上述技術問題，本發明實施例采用的一個技術方案是：提供一種訓練物體識別神經網絡的方法，基于畸變魚眼圖像，包括：獲取畸變魚眼圖像，其中，所述畸變魚眼圖像中包含有至少一個目標物體；將所述畸變魚眼圖像按照畸變程度劃分成若干個區域；確定所述目標物體所屬區域；根據所述目標物體所屬區域，對所述至少一個目標物體進行分類；將所述畸變魚眼圖像及各所述目標物體所屬的類別輸入物體識別神經網絡，對所述物體識別神經網絡進行訓練。

可選的，所述確定所述目標物體所屬區域包括：對所述畸變魚眼圖像中各目標物體設置外切框；分別計算各所述目標物體的外切框與各區域的重疊面積；獲取各所述目標物體對應的最大重疊區域，其中，所述最大重疊區域為與所述目標物體的外切框之間重疊面積最大的區域；判斷所述目標物體對應的最大重疊區域的數量是否大于一個；若所述目標物體對應的最大重疊區域的數量為一個，則將所述最大重疊區域作為所述目標物體所屬區域；若所述目標物體對應的最大重疊區域的數量大于一個，則從所述最大重疊區域中選擇最優區域，并且將所述最優區域作為所述目標物體所屬區域，其中，所述最優區域為在最大重疊區域中距離所述畸變魚眼圖像中心最近的區域。

可選的，所述根據所述目標物體所屬區域，對所述至少一個目標物體進行分類包括：將屬于同一區域的相同目標物體歸為一類。

可選的，在同一個所述區域內，所述目標物體畸變程度相同。

可選的，本發明還提供了一種物體識別的方法，包括：接收輸入的畸變魚眼圖像；基于一種訓練物體識別神經網絡的方法得到的物體識別神經網絡，對所述畸變魚眼圖像進行識別，得到所述畸變魚眼圖像中所含的目標物體的物體信息。

本發明實施例采用的另一個技術方案是：提供一種訓練物體識別神經網絡的裝置，包括：獲取模塊：用于獲取畸變魚眼圖像，其中，所述畸變魚眼圖像中包含有至少一個目標物體；劃分模塊：用于將所述畸變魚眼圖像按照畸變程度劃分成若干個區域；確定模塊：用于確定所述目標物體所屬區域；分類模塊：用于根據所述目標物體所屬區域，對所述至少一個目標物體進行分類；訓練模塊：用于將所述畸變魚眼圖像及各所述目標物體所屬的類別輸入物體識別神經網絡，對所述物體識別神經網絡進行訓練。