[發明專利]一種遠距離行人位置識別方法、系統及存儲介質在審
| 申請號: | 202110661712.8 | 申請日: | 2021-06-15 |
| 公開(公告)號: | CN113326793A | 公開(公告)日: | 2021-08-31 |
| 發明(設計)人: | 秦豪;趙明 | 申請(專利權)人: | 上海有個機器人有限公司 |
| 主分類號: | G06K9/00 | 分類號: | G06K9/00;G06T7/73;G06T7/80 |
| 代理公司: | 北京天盾知識產權代理有限公司 11421 | 代理人: | 梁秀秀 |
| 地址: | 200040 上海市靜*** | 國省代碼: | 上海;31 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 遠距離 行人 位置 識別 方法 系統 存儲 介質 | ||
1.一種遠距離行人位置識別方法,其特征在于,包括:
對于待檢測原始圖片,根據相機特性確定遠距離行人在所述待檢測原始圖片中的理論位置區域;
從所述待檢測原始圖片中摳取所述理論位置區域;
將待檢測原始圖片和摳取的所述理論位置區域處理為預設大小圖片,分別得到第一圖片和第二圖片;
將所述第一圖片和所述第二圖片分別輸入預設檢測模型中,獲取所述預設檢測模型分別輸出的行人的第一位置識別結果和第二位置識別結果;
根據行人的所述第一位置識別結果和所述第二位置識別結果,確定遠距離行人的最終位置識別結果。
2.根據權利要求1所述的遠距離行人位置識別方法,其特征在于,所述對于待檢測原始圖片,根據相機特性確定遠距離行人在所述待檢測原始圖片中的理論位置區域,包括:
采用棋盤格標定方式標定相機內外參數(K,RT),相機矩陣KRT為:
KRT=K*RT;(1)
其中,K為相機的內參,RT為相機的外參,fx,fy分別為相機水平方向和垂直方向的焦距,cx,cy為待檢測原始圖片水平方向和垂直方向的主點坐標,Hc為相機安裝位置相對于地面的高度;
根據相機矩陣KRT計算遠距離行人在待檢測原始圖片中的理論位置區域:
根據設定的遠距離閾值以及行人身高閾值,確定出遠距離行人在待檢測圖片中的理論位置區域;
其中,(us,vs)為遠距離行人在待檢測圖片中的像素坐標,s為縮放比例系數,x軸為地平線方向,y軸為行人身高方向,z軸為行人與相機距離方向。
3.根據權利要求2所述的遠距離行人位置識別方法,其特征在于,所述根據設定的遠距離閾值以及行人身高閾值,確定出遠距離行人在待檢測圖片中的理論位置區域,包括:
取X=0,Y=0,Z=8,代入公式(4)中,得到遠距離行人在待檢測圖片中的位置下界u_down;
取X=0,Y=2,Z=8,得到遠距離行人在待檢測圖片中的位置上界u_up;
根據遠距離行人在待檢測圖片中的位置下界和上界,確定遠距離行人在待檢測圖片中的理論位置區域。
4.根據權利要求2或3所述的遠距離行人位置識別方法,其特征在于,所述摳取的所述理論位置區域處理為預設大小圖片,包括:
沿x軸方向將摳取的所述理論位置區域等分為兩個子區域,將兩個子區域沿z軸方向疊加重組,使得重組后的圖片為預設大小圖片。
5.根據權利要求1所述的遠距離行人位置識別方法,其特征在于,所述預設檢測模型為SpaceToDepth模型,通過如下方式對所述SpaceToDepth模型進行訓練:
采集包括行人的多張圖片形成訓練集,對訓練集中的每一張圖片標記其中行人的位置,所述行人的位置以目標方框表征;
利用訓練集中多張圖片以及每一張圖片標記的行人的位置對所述預設檢測模型進行訓練;
其中,所述預設檢測模型將輸入的每一張圖片進行分塊,得到多個子塊,且根據多個子塊的對應位置重新組成新圖片,輸出新圖片中行人的位置。
6.根據權利要求4所述的遠距離行人位置識別方法,其特征在于,所述根據行人的所述第一位置識別結果和所述第二位置識別結果,確定遠距離行人的最終位置識別結果,包括:
根據所述第一位置識別結果和縮放比例系數s,獲取遠距離行人在待檢測原始圖片中的第一目標方框;
根據所述第二位置識別結果和預設大小圖片的尺寸,計算遠距離行人在待檢測原始圖片中的第二目標方框;
基于第一目標方框和第二目標方框,確定遠距離行人在待檢測原始圖片中的最終位置識別結果。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于上海有個機器人有限公司,未經上海有個機器人有限公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202110661712.8/1.html,轉載請聲明來源鉆瓜專利網。





