[发明专利]图像中的目标对象定位方法、装置、计算机设备

说明书

本公开涉及一种图像中的目标对象定位方法、装置、计算机设备。所述方法包括：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；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。利用本实施例方案可以更加准确的确定出目标对象在待处理图像中的位置信息。

技术领域

本公开涉及计算机视觉领域，特别是涉及一种图像中的目标对象定位方法、装置、计算机设备。

背景技术

目前，随着人们对环保和清洁度的重视，越来越多的垃圾桶被投放到城市中。垃圾清理人员通常会定期对垃圾桶进行清理。而在一些场景中，垃圾清理人员可能并不知晓垃圾桶是否装满，这样，仍然到对未装满的垃圾桶所在的位置对该未装满的垃圾桶进行清理，会导致浪费人力资源和时间成本。

现有中的一种方式可以通过摄像头实时对垃圾桶的装置情况进行查看，但这种方式容易受天气、摄像角度等诸多环境因素影响，对垃圾桶装载情况的识别准确性较差。因此，亟需一种对垃圾桶相关数据进行处理的方案，以便后续准确识别垃圾桶装载情况。

发明内容

基于此，有必要针对上述技术问题，提供一种图像中的目标对象定位方法、装置、计算机设备，可以更加准确的定位出待处理图像中的目标对象，为后续目标对象的进一步处理提供准确的数据依据。

第一方面，本公开提供了一种图像中的目标对象定位方法。所述方法包括：

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。

在其中一个实施例中，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。

在其中一个实施例中，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。

在其中一个实施例中，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。

在其中一个实施例中，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。

在其中一个实施例中，所述预设数量根据垃圾回收设备开口面的形状确定包括：

在所述开口面为矩形的情况下，所述预设数量为4，所述关键位置点为所述矩形的4个顶角点。