[发明专利]图像中的目标对象定位方法、装置、计算机设备

权利要求书

1.一种图像中的目标对象定位方法，其特征在于，包括：

获取包括目标对象的待处理图像；

将所述待处理图像输入至预先构建的识别模型，得到所述目标对象在所述待处理图像中预设数量的关键位置点信息；所述识别模型基于梯度下降算法，利用预先构建的训练样本进行训练得到，其中，训练的过程包括对所述训练样本的单个图像的所述预设数量的关键位置点进行标注后，转化为指定格式的标签数据，根据所述训练样本中的图像的标签数据对预设参数的梯度下降算法进行训练；

根据所述预设数量的关键位置点位置信息确定所述目标对象在所述待处理图像中的定位信息。

2.根据权利要求1所述的方法，其特征在于，所述目标对象包括垃圾回收设备图像，所述训练样本包括至少包含垃圾回收设备开口面的图像。

3.根据权利要求1所述的方法，其特征在于，所述训练样本采用下述方式得到：

垃圾回收设备的训练图像集合；

对所述训练图像集合中训练图像的关键位置点进行标注，得到各个训练图像对应的预设数量的图像标签信息，所述图像标签信息包括所述关键位置点在训练图像中的位置信息和所述关键位置点的位置序列信息，其中，所述预设数量和关键位置点根据垃圾回收设备开口面的形状确定；

将标注处理后的训练图像缩放为预设大小第一图像，并将训练图像对应的标签信息相应的进行映射变换，得到第一标签数据，所述映射变换包括使第一图像的标签信息与所述第一图像中的关键位置点相对应的处理。

4.根据权利要求3所述的方法，其特征在于，所述关键位置点有预先配置的固定的位置顺序，所述位置序列信息包括预先配置的所述关键位置点在所述训练图像中固定的位置顺序信息。

5.根据权利要求4所述的方法，其特征在于，所述位置序列信息还包括所述关键位置点的色彩属性信息,不同位置顺序上的关键位置点的色彩属性信息不同。

6.根据权利要求3所述的方法，其特征在于，得到标签数据之后还包括：

将所述预设关键位置点缩放指定大小的像素块大小，以及将所述标签数据相应的转换为与所述指定大小的像素块对应的矩阵数据；

在所述指定大小的像素块对应的矩阵数据中的所述预设关键位置点的数据设置为1，所述指定大小的像素块中除所述预设关键位置点位置的数据设置为0；

将所述矩阵数据中取值为0的数据转换为0-1之间的取值，得到第二标签数据标签，其中设置数据转换中相对距离小的取值大于相对距离大的值，所述相对距离指待转换的矩阵数据对应的像素点与所述预设关键位置点的距离；

相应的，以所述第一图像和第一图像对应的第一标签数据为训练样本进行训练包括：所述第一图像和第一图像对应的第二标签数据为训练样本进行训练。

7.根据权利要求1-6任一所述的方法，其特征在于，所述方法还包括：

根据所述目标对象在所述待处理图像中的定位信息确定所述待处理图像中所述目标对象的预估容量和/或回收对象已装载至目标对象的预估比例。

8.一种图像中的目标对象定位装置，其特征在于，包括：

图像获取模块，用于获取包括目标对象的待处理图像；

识别模块，用于将所述待处理图像输入至预先构建的识别模型，得到所述目标对象在所述待处理图像中预设数量的关键位置点信息；所述识别模型基于梯度下降算法，利用预先构建的训练样本进行训练得到，其中，训练的过程包括对所述训练样本的单个图像的所述预设数量的关键位置点进行标注后，转化为指定格式的标签数据，根据所述训练样本中的图像的标签数据对预设参数的梯度下降算法进行训练；

定位模块，用于根据所述预设数量的关键位置点位置信息确定所述目标对象在所述待处理图像中的定位信息。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。