[发明专利]一种远距离行人位置识别方法、系统及存储介质在审
| 申请号: | 202110661712.8 | 申请日: | 2021-06-15 |
| 公开(公告)号: | CN113326793A | 公开(公告)日: | 2021-08-31 |
| 发明(设计)人: | 秦豪;赵明 | 申请(专利权)人: | 上海有个机器人有限公司 |
| 主分类号: | G06K9/00 | 分类号: | G06K9/00;G06T7/73;G06T7/80 |
| 代理公司: | 北京天盾知识产权代理有限公司 11421 | 代理人: | 梁秀秀 |
| 地址: | 200040 上海市静*** | 国省代码: | 上海;31 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 一种 远距离 行人 位置 识别 方法 系统 存储 介质 | ||
1.一种远距离行人位置识别方法,其特征在于,包括:
对于待检测原始图片,根据相机特性确定远距离行人在所述待检测原始图片中的理论位置区域;
从所述待检测原始图片中抠取所述理论位置区域;
将待检测原始图片和抠取的所述理论位置区域处理为预设大小图片,分别得到第一图片和第二图片;
将所述第一图片和所述第二图片分别输入预设检测模型中,获取所述预设检测模型分别输出的行人的第一位置识别结果和第二位置识别结果;
根据行人的所述第一位置识别结果和所述第二位置识别结果,确定远距离行人的最终位置识别结果。
2.根据权利要求1所述的远距离行人位置识别方法,其特征在于,所述对于待检测原始图片,根据相机特性确定远距离行人在所述待检测原始图片中的理论位置区域,包括:
采用棋盘格标定方式标定相机内外参数(K,RT),相机矩阵KRT为:
KRT=K*RT;(1)
其中,K为相机的内参,RT为相机的外参,fx,fy分别为相机水平方向和垂直方向的焦距,cx,cy为待检测原始图片水平方向和垂直方向的主点坐标,Hc为相机安装位置相对于地面的高度;
根据相机矩阵KRT计算远距离行人在待检测原始图片中的理论位置区域:
根据设定的远距离阈值以及行人身高阈值,确定出远距离行人在待检测图片中的理论位置区域;
其中,(us,vs)为远距离行人在待检测图片中的像素坐标,s为缩放比例系数,x轴为地平线方向,y轴为行人身高方向,z轴为行人与相机距离方向。
3.根据权利要求2所述的远距离行人位置识别方法,其特征在于,所述根据设定的远距离阈值以及行人身高阈值,确定出远距离行人在待检测图片中的理论位置区域,包括:
取X=0,Y=0,Z=8,代入公式(4)中,得到远距离行人在待检测图片中的位置下界u_down;
取X=0,Y=2,Z=8,得到远距离行人在待检测图片中的位置上界u_up;
根据远距离行人在待检测图片中的位置下界和上界,确定远距离行人在待检测图片中的理论位置区域。
4.根据权利要求2或3所述的远距离行人位置识别方法,其特征在于,所述抠取的所述理论位置区域处理为预设大小图片,包括:
沿x轴方向将抠取的所述理论位置区域等分为两个子区域,将两个子区域沿z轴方向叠加重组,使得重组后的图片为预设大小图片。
5.根据权利要求1所述的远距离行人位置识别方法,其特征在于,所述预设检测模型为SpaceToDepth模型,通过如下方式对所述SpaceToDepth模型进行训练:
采集包括行人的多张图片形成训练集,对训练集中的每一张图片标记其中行人的位置,所述行人的位置以目标方框表征;
利用训练集中多张图片以及每一张图片标记的行人的位置对所述预设检测模型进行训练;
其中,所述预设检测模型将输入的每一张图片进行分块,得到多个子块,且根据多个子块的对应位置重新组成新图片,输出新图片中行人的位置。
6.根据权利要求4所述的远距离行人位置识别方法,其特征在于,所述根据行人的所述第一位置识别结果和所述第二位置识别结果,确定远距离行人的最终位置识别结果,包括:
根据所述第一位置识别结果和缩放比例系数s,获取远距离行人在待检测原始图片中的第一目标方框;
根据所述第二位置识别结果和预设大小图片的尺寸,计算远距离行人在待检测原始图片中的第二目标方框;
基于第一目标方框和第二目标方框,确定远距离行人在待检测原始图片中的最终位置识别结果。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海有个机器人有限公司,未经上海有个机器人有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110661712.8/1.html,转载请声明来源钻瓜专利网。





