[发明专利]一种基于深度图像的目标候选位置估计方法及其装置

说明书

本发明公开了一种基于深度图像的目标候选位置估计方法及其装置，所述方法包括如下步骤：步骤1：获取深度图像，并将深度图像转化为特定灰度级的灰度图像；步骤2：计算灰度直方图并求出所有局部极大值；步骤3：对于任意一个局部极大值，找出所有不超过该值、且和该值相差在给定阈值灰度级以内的点，并进行二值化；步骤4：对二值化图像进行无监督聚类，并求出各个类别的中心点，即为各目标的候选位置。其装置包括深度摄像头模块，用于获取深度图像；预处理模块，用于将深度图像去噪并灰度化；二值化模块，用于求灰度直方图的局部极大值一定范围内的点并进行二值化；聚类模块，用于对二值图像进行无监督聚类并求出类别中心。

技术领域

本发明涉及计算机视觉和图像处理技术领域，具体的说，是一种基于深度图像的目标候选位置估计方法及其装置。

背景技术

一直以来，目标检测任务都是计算机视觉领域的核心任务之一，而基于深度图像的目标检测则是近几年兴起的研究热点——深度图像可以克服传统光学图像的隐私泄露、容易受光照影响、黑暗中无法工作等缺陷。该技术可以应用在自动驾驶、行人检测、视频监控、车辆跟踪、SLAM(simultaneous localization and mapping)、乃至于无人机等等各个领域中。人们发现，在光学图像中表现很好的基于卷积神经网络的目标检测方法，用于深度图像时效果并不理想，参见文献：Keze Wang,Liang Lin,Chuangjie Ren,Wei Zhang,andWenxiu Sun,Convolutional Memory Blocks for Depth Data RepresentationLearning,Proceedings of the Twenty-Seventh International Joint Conference onArtificial Intelligence,pp.2790-2797,2018；因此，对于在深度图像上进行目标检测任务而言，传统的检测方法有着很重要的地位，参见文献：Lu Xia,Chia-Chih Chen,andJ.K.Aggarwal,Human detection using depth information by kinect,ComputerVision and Pattern Recognition Workshops,pp.15-22,2015。在传统的目标检测算法中，对于目标候选位置进行估计，并进一步在此位置上给出检测窗口，是一个基本而重要的步骤；位置估计的效率和准确性对整个目标检测任务的性能有着根本的影响。

传统的目标检测算法认为目标的候选位置可能出现在图像任何部分，且可能性大小一样。这些算法通常使用不同尺度的滑动窗口按固定大小移动，遍历整个图像所有位置，来获得一系列的候选框。由于每个位置都被当成目标的可能位置，这类方案的优点是漏检率低，缺点则是候选位置过多从而导致候选框过多，计算量大，耗时过长，误检率高。因此，不论是学术界还是工业界，都需要一种新方案来解决这些问题。

发明内容

本发明的目的在于提供一种基于深度图像的目标候选位置估计方法及其装置，用于解决现有技术中候选位置过多从而导致候选框过多，计算量大，耗时过长，误检率高的问题。

本发明通过下述技术方案解决上述问题：

一种基于深度图像的目标候选位置估计方法，所述方法包括如下步骤：

步骤1：获取深度图像，并将深度图像转化为特定灰度级的灰度图像；

步骤2：计算灰度直方图并求出所有局部极大值；

步骤3：对于任意一个局部极大值，找出所有不超过该值、且和该值相差在给定阈值灰度级以内的点，并进行二值化；

步骤4：对二值化图像进行无监督聚类，并求出各个类别的中心点，即为各目标的候选位置。