[发明专利]一种图像目标检测方法

说明书

技术领域

本发明涉及电子技术领域，具体涉及一种图像目标检测方法。

背景技术

随着计算机技术的不断发展，计算机图像识别技术被越来越广泛的应用的生产生活中。

随着计算机图像识别技术应用的不断深化，计算机图像识别的目标也从简单的单一物体图像转变为具有多个物体的复杂图像。相对于针对单一物体图像的识别，针对复杂图像的识别并不仅仅是对单纯的图像分类与识别，而是首先要从复杂图像中检测出待识别目标。

在现有技术中，目标检测除了需要识别图片中包含的物体，还要确定该物体在图片中的区域。因此，现有技术的目标检测算法相应的计算量非常大，消耗的时间也比较长。

发明内容

本发明提供了一种图像目标检测方法，所述方法包括：

获取3D图像数据；

利用3D点云数据中的深度信息对所述3D图像数据进行图像分割；

从分割出的区域提取样本2D图像数据。

在一实施例中，采用基于凸凹性的LCCP算法进行图像分割。

在一实施例中，采用基于凸凹性的LCCP算法进行图像分割，包括：

基于超体聚类的过分割；

在超体聚类的基础上再聚类。

在一实施例中，在超体聚类的基础上再聚类，包括：

对于过分割的点云计算不同的块之间凹凸关系；

根据不同的块之间凹凸关系采用区域增长算法将小区域聚类成较大的物体。

在一实施例中，对于过分割的点云计算不同的块之间凹凸关系，其中，通过扩展凸面准则和理智准则判据来判断所述凹凸关系。

在一实施例中，根据不同的块之间凹凸关系采用区域增长算法将小区域聚类成较大的物体，其中，只允许区域跨越凸边增长。

本发明还提出了一种图像识别方法，所述方法包括：

采用如本发明所述图像目标检测方法获取所述样本2D图像数据；

对所述样本2D图像数据进行分类识别。

在一实施例中，所述方法还包括：

将所述3D图像数据转化为2D图像数据，并标注识别结果。

在一实施例中，根据分割区域在所述2D图像数据中产生检测框，并标注所述识别结果。

本发明还提出了一种存储介质，其特征在于，所述存储介质上存储有可实现如本发明所述方法流程的程序代码。

相较于现有技术，本发明的方法过程简单、识别计算量小、识别正确率高。

本发明的其它特征或优点将在随后的说明书中阐述。并且，本发明的部分特征或优点将通过说明书而变得显而易见，或者通过实施本发明而被了解。本发明的目的和部分优点可通过在说明书、权利要求书以及附图中所特别指出的步骤来实现或获得。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例共同用于解释本发明，并不构成对本发明的限制。在附图中：

图1、图4以及图5是根据本发明不同实施例的方法流程图；

图2是根据本发明一实施例的凸凹关系CC判据示意图；

图3是根据本发明一实施例的凸凹关系SC判据示意图；

图6是应用本发明一实施例的硬件系统数据流示意图。

具体实施方式

以下将结合附图及实施例来详细说明本发明的实施方式，借此本发明的实施人员可以充分理解本发明如何应用技术手段来解决技术问题，并达成技术效果的实现过程并依据上述实现过程具体实施本发明。需要说明的是，只要不构成冲突，本发明中的各个实施例以及各实施例中的各个特征可以相互结合，所形成的技术方案均在本发明的保护范围之内。

随着计算机图像识别技术应用的不断深化，计算机图像识别的目标也从简单的单一物体图像转变为具有多个物体的复杂图像。相对于针对单一物体图像的识别，针对复杂图像的识别并不仅仅是对单纯的图像分类与识别，而是首先要从复杂图像中检测出待识别目标。

在现有技术中，目标检测除了需要识别图片中包含的物体，还要确定该物体在图片中的区域。因此，现有技术的目标检测算法相应的计算量非常大，消耗的时间也比较长。

针对现有技术存在的问题，本发明提出了一种图像目标检测方法。接下来基于附图详细描述根据本发明实施例的方法的详细流程，附图的流程图中示出的步骤可以在包含诸如一组计算机可执行指令的计算机系统中执行。虽然在流程图中示出了各步骤的逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

如图1所示，在一实施例中，图像目标检测方法的执行流程包括：