[發(fā)明專利]一種目標(biāo)檢測(cè)方法、裝置、設(shè)備和計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202010819962.5
• 申請(qǐng)日: 2020-08-14
• 公開（公告）號(hào): CN112036267A
• 公開（公告）日: 2020-12-04
• 發(fā)明（設(shè)計(jì)）人: 鄧海燕;譚龍?zhí)?/a>;陳高;陳彥宇;馬雅奇
• 申請(qǐng)（專利權(quán)）人: 珠海格力電器股份有限公司;珠海聯(lián)云科技有限公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/62;G06N3/04;G06N3/08;G06N20/20
• 代理公司: 北京華夏泰和知識(shí)產(chǎn)權(quán)代理有限公司 11662
• 代理人: 張麗穎

本發(fā)明公開了一種目標(biāo)檢測(cè)方法、裝置、設(shè)備和計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。該方法包括：每隔預(yù)設(shè)時(shí)間段采集檢測(cè)環(huán)境的圖像數(shù)據(jù)和目標(biāo)對(duì)象對(duì)應(yīng)的深度數(shù)據(jù)；按照采集時(shí)刻從先到后的順序，順次融合相同時(shí)刻采集的圖像數(shù)據(jù)和深度數(shù)據(jù)，得到相同時(shí)刻對(duì)應(yīng)的圖像深度融合數(shù)據(jù)；按照融合時(shí)刻從先到后的順序，順次將融合得到的圖像深度融合數(shù)據(jù)輸入預(yù)先訓(xùn)練的目標(biāo)檢測(cè)模型，通過(guò)目標(biāo)檢測(cè)模型在順次輸入的圖像深度融合數(shù)據(jù)中提取目標(biāo)對(duì)象的屬性數(shù)據(jù)，并且根據(jù)順次輸入的圖像深度融合數(shù)據(jù)生成目標(biāo)對(duì)象對(duì)應(yīng)的三維運(yùn)動(dòng)軌跡數(shù)據(jù)。本發(fā)明無(wú)需用戶堅(jiān)守在目標(biāo)對(duì)象的周圍，查看目標(biāo)檢測(cè)模型輸出的目標(biāo)對(duì)象的屬性數(shù)據(jù)和三維運(yùn)動(dòng)軌跡數(shù)據(jù)即可，監(jiān)護(hù)過(guò)程更加靈活，監(jiān)護(hù)效率高。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像識(shí)別技術(shù)領(lǐng)域，尤其涉及一種目標(biāo)檢測(cè)方法、裝置、設(shè)備和計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。

背景技術(shù)

在一些應(yīng)用場(chǎng)景中，需要關(guān)注目標(biāo)對(duì)象的動(dòng)態(tài)，以便識(shí)別目標(biāo)對(duì)象的需求。例如：在日常生活中，存在一些生活不能自理，健康出現(xiàn)問(wèn)題的特需人群，如：兒童、老人、病患等。這些特需人群需要24小時(shí)監(jiān)護(hù)，以避免因無(wú)人監(jiān)護(hù)出現(xiàn)的不良后果。例如：兒童因無(wú)人看管，造成兒童受傷，病患因無(wú)人陪護(hù)，造成發(fā)病無(wú)人救治。

目前，對(duì)特需人群的監(jiān)護(hù)多采用人工監(jiān)護(hù)，監(jiān)護(hù)人員一般需要24小時(shí)陪伴在被監(jiān)護(hù)人的周圍，因?yàn)楸O(jiān)護(hù)人員離開之后，被監(jiān)護(hù)人可能會(huì)出現(xiàn)不可預(yù)知的危險(xiǎn)。但是，采用24小時(shí)人工監(jiān)護(hù)的方式，需要監(jiān)護(hù)人員堅(jiān)守在監(jiān)護(hù)場(chǎng)所，如果需要同時(shí)監(jiān)護(hù)多個(gè)被監(jiān)護(hù)人，則需要一對(duì)一配備監(jiān)護(hù)人員，使得這種人工監(jiān)護(hù)方式的效率較為低下。

發(fā)明內(nèi)容

本發(fā)明實(shí)施例的主要目的在于提供一種目標(biāo)檢測(cè)方法、裝置、設(shè)備和計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，以解決現(xiàn)有的人工監(jiān)護(hù)效率較低的問(wèn)題。

針對(duì)上述技術(shù)問(wèn)題，本發(fā)明實(shí)施例是通過(guò)以下技術(shù)方案來(lái)實(shí)現(xiàn)的：

本發(fā)明實(shí)施例提供了一種目標(biāo)檢測(cè)方法，包括：每隔預(yù)設(shè)時(shí)間段采集檢測(cè)環(huán)境的圖像數(shù)據(jù)和目標(biāo)對(duì)象對(duì)應(yīng)的深度數(shù)據(jù)；按照采集時(shí)刻從先到后的順序，順次融合相同時(shí)刻采集的所述圖像數(shù)據(jù)和所述深度數(shù)據(jù)，得到所述相同時(shí)刻對(duì)應(yīng)的圖像深度融合數(shù)據(jù)；按照融合時(shí)刻從先到后的順序，順次將融合得到的所述圖像深度融合數(shù)據(jù)輸入預(yù)先訓(xùn)練的目標(biāo)檢測(cè)模型，通過(guò)所述目標(biāo)檢測(cè)模型在順次輸入的所述圖像深度融合數(shù)據(jù)中提取所述目標(biāo)對(duì)象的屬性數(shù)據(jù)，并且根據(jù)順次輸入的所述圖像深度融合數(shù)據(jù)生成所述目標(biāo)對(duì)象對(duì)應(yīng)的三維運(yùn)動(dòng)軌跡數(shù)據(jù)。

其中，所述順次融合相同時(shí)刻采集的所述圖像數(shù)據(jù)和所述深度數(shù)據(jù)，得到所述相同時(shí)刻對(duì)應(yīng)的圖像深度融合數(shù)據(jù)，包括：組合所述相同時(shí)刻采集的所述圖像數(shù)據(jù)和所述深度數(shù)據(jù)，形成所述相同時(shí)刻對(duì)應(yīng)的圖像深度一維數(shù)組，將所述圖像深度一維數(shù)組作為所述相同時(shí)刻對(duì)應(yīng)的圖像深度融合數(shù)據(jù)。

其中，所述目標(biāo)檢測(cè)模型包括：相互連接的YOLO模型和長(zhǎng)短期記憶LSTM模型；所述通過(guò)所述目標(biāo)檢測(cè)模型在順次輸入的所述圖像深度融合數(shù)據(jù)中提取所述目標(biāo)對(duì)象的屬性數(shù)據(jù)，并且根據(jù)順次輸入的所述圖像深度融合數(shù)據(jù)生成所述目標(biāo)對(duì)象對(duì)應(yīng)的三維運(yùn)動(dòng)軌跡數(shù)據(jù)，包括：通過(guò)所述YOLO模型在順次輸入的所述圖像深度融合數(shù)據(jù)中，檢測(cè)所述目標(biāo)對(duì)象，提取所述目標(biāo)對(duì)象的關(guān)鍵點(diǎn)的三維坐標(biāo)數(shù)據(jù)以及所述目標(biāo)對(duì)象的屬性數(shù)據(jù)；通過(guò)所述LSTM模型在順次輸入的所述圖像深度融合數(shù)據(jù)中，對(duì)所述YOLO模型檢測(cè)到的所述目標(biāo)對(duì)象進(jìn)行運(yùn)動(dòng)軌跡跟蹤，得到所述目標(biāo)對(duì)象的運(yùn)動(dòng)軌跡數(shù)據(jù)，并且根據(jù)所述目標(biāo)對(duì)象的運(yùn)動(dòng)軌跡數(shù)據(jù)以及所述YOLO模型在所述圖像深度融合數(shù)據(jù)中提取的所述目標(biāo)對(duì)象的關(guān)鍵點(diǎn)的三維坐標(biāo)數(shù)據(jù)，生成所述目標(biāo)對(duì)象的三維運(yùn)動(dòng)軌跡數(shù)據(jù)。

其中，所述YOLO模型包括：三維卷積層；所述提取所述目標(biāo)對(duì)象的關(guān)鍵點(diǎn)的三維坐標(biāo)數(shù)據(jù)，包括：通過(guò)所述三維卷積層在所述圖像深度融合數(shù)據(jù)的圖像數(shù)據(jù)部分中提取所述目標(biāo)對(duì)象的關(guān)鍵點(diǎn)的二維特征數(shù)據(jù)，在所述圖像深度融合數(shù)據(jù)的深度數(shù)據(jù)部分中提取所述目標(biāo)對(duì)象的關(guān)鍵點(diǎn)的一維特征數(shù)據(jù)；根據(jù)所述二維特征數(shù)據(jù)和所述一維特征數(shù)據(jù)，生成所述目標(biāo)對(duì)象的關(guān)鍵點(diǎn)的三維坐標(biāo)數(shù)據(jù)；其中，所述一維特征數(shù)據(jù)的空間維度與所述二維特征數(shù)據(jù)的空間維度不同。