[發明專利]一種目標識別追蹤方法及機器人

在審

• 申請號: 202110492441.8
• 申請日: 2021-05-06
• 公開（公告）號: CN113192107A
• 公開（公告）日: 2021-07-30
• 發明（設計）人: 趙立恒
• 申請（專利權）人: 上海鏘玫人工智能科技有限公司
• 主分類號: G06T7/246
• 分類號: G06T7/246;G06T7/277;G06N3/08;G06K9/62;B25J9/16
• 代理公司: 成都魚爪智云知識產權代理有限公司 51308
• 代理人: 代述波

1.一種目標識別追蹤方法，其特征在于，應用于機器人的控制芯片，所述方法包括：

獲取特定目標物以及當前待檢測圖像信息；

將所述待檢測圖像信息輸入至預先訓練好的深度學習模型中；

根據所述深度學習模型從所述當前待檢測圖像信息中識別出追蹤目標物；其中，所述追蹤目標物與所述特定目標物相匹配；

采用追蹤算法對所述追蹤目標物在所述當前待檢測圖像的下一幀圖像中的位置進行追蹤。

2.如權利要求1所述的方法，其特征在于，所述將所述待檢測圖像信息輸入至預先訓練好的深度學習模型中的步驟之前，所述方法還包括：

獲取訓練樣本集以及測試樣本集；

構建深度學習模型，并利用所述訓練樣本集對所述深度學習模型進行訓練，以得到訓練后的深度學習模型；

利用測試樣本集對所述訓練后的深度學習模型進行測試和修正，以得到訓練好的深度學習模型。

3.如權利要求1所述的方法，其特征在于，所述根據所述深度學習模型從所述當前待檢測圖像信息中識別出追蹤目標物的步驟，包括：

根據深度學習模型從所述當前待檢測圖像信息中識別出初始目標物；

獲取所述初始目標物與所述特定目標物之間的匹配度；

若所述匹配度大于預設閾值，則將所述初始目標物作為所述追蹤目標物。

4.如權利要求1所述的方法，其特征在于，所述采用追蹤算法對所述追蹤目標物在所述當前待檢測圖像的下一幀圖像中的位置進行追蹤的步驟之后，所述方法還包括：

獲取場景的地圖信息以及所述機器人的預設追蹤參數；

根據所述地圖信息、所述追蹤目標物在所述當前待檢測圖像的下一幀圖像中的位置以及所述預設追蹤參數生成追蹤指令，以控制所述機器人根據所述追蹤指令對所述追蹤目標物進行追蹤。

5.如權利要求4所述的方法，其特征在于，所述根據所述地圖信息、所述追蹤目標物在所述當前待檢測圖像的下一幀圖像中的位置以及所述預設追蹤參數生成追蹤指令的步驟，包括：

根據所述地圖信息以及所述追蹤目標物在所述當前待檢測圖像的下一幀圖像中的位置確定追蹤距離數據；

根據所述追蹤距離數據以及所述追蹤參數生成所述追蹤指令。

6.一種機器人，其特征在于，所述機器人包括：深度攝像頭以及控制芯片，所述深度攝像頭以及所述控制芯片連接；

所述深度攝像頭，用于獲取當前待檢測圖像信息；

所述控制芯片，用于獲取特定目標物以及當前待檢測圖像信息；

所述控制芯片，還用于將所述待檢測圖像信息輸入至預先訓練好的深度學習模型中；

所述控制芯片，還用于根據所述深度學習模型從所述當前待檢測圖像信息中識別出追蹤目標物；其中，所述追蹤目標物與所述特定目標物相匹配；

所述控制芯片，還用于采用追蹤算法對所述追蹤目標物在所述當前待檢測圖像的下一幀圖像中的位置進行追蹤。

7.如權利要求6所述的機器人，其特征在于，所述控制芯片還用于獲取訓練樣本集以及測試樣本集；還用于構建深度學習模型，并利用所述訓練樣本集對所述深度學習模型進行訓練，以得到訓練后的深度學習模型；還用于利用測試樣本集對所述訓練后的深度學習模型進行測試和修正，以得到訓練好的深度學習模型。

8.如權利要求6所述的機器人，其特征在于，所述控制芯片還用于根據深度學習模型從所述當前待檢測圖像信息中識別出初始目標物；還用于獲取所述初始目標物與所述特定目標物之間的匹配度；還用于若所述匹配度大于預設閾值，則將所述初始目標物作為所述追蹤目標物。

9.一種電子設備，其特征在于，包括：

存儲器，用于存儲一個或多個程序；

處理器；

當所述一個或多個程序被所述處理器執行時，實現如權利要求1-5中任一項所述的方法。

10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，該計算機程序被處理器執行時實現如權利要求1-5中任一項所述的方法。