申请/专利权人：成都信息工程大学

申请日：2021-10-09

公开（公告）日：2024-06-11

公开（公告）号：CN113920163B

主分类号：G06T7/246

分类号：G06T7/246;G06T7/11;G06T7/194

优先权：

专利状态码：有效-授权

法律状态：2024.06.11#授权;2022.01.28#实质审查的生效;2022.01.11#公开

摘要：本发明公开了一种基于传统和深度学习结合的运动目标检测方法，包括：步骤一，采用实例分割算法对双目相机采集的道路图像相邻帧进行检测，以将各图像划分为潜在运动目标区域和静止区域；步骤二，分别对各图像中的潜在运动目标区域、静止区域进行特征点提取与匹配；步骤三，基于相机自运动参数确定运动补偿，通过计算重投影误差以对运动状态判断，以基于判断结果完成对图像中运动目标进行标记。本发明公开一种基于传统和深度学习结合的运动目标检测方法，能有效提高算法实时性，同时通过提高自运动参数估计的精度提升检测精度。

主权项：1.一种基于传统和深度学习结合的运动目标检测方法，其特征在于，包括：步骤一，采用实例分割算法对双目相机采集的道路图像相邻帧进行检测，以将各图像划分为潜在运动目标区域和静止区域；步骤二，分别对各图像中的潜在运动目标区域、静止区域进行特征点提取与匹配；步骤三，基于相机自运动参数确定运动补偿，通过计算重投影误差以对运动状态判断，以基于判断结果完成对图像中运动目标进行标；在步骤一中，所述双目相机被配置为采用安装在车辆上的双目相机；在步骤二中，采用实例分割算法SOLOv2，将道路环境数据图像中的背景像素值标记为0，其余每个潜在运动目标的像素值从1，2开始按顺序标记，以将双目相机获取的每幅图像中对应不同潜在运动目标设置为带有不同标签信息的mask图像，以将道路环境数据图像划分为潜在运动目标区域和静止区域；在步骤三中，所述运动状态判断的方法被配置为：通过潜在运动目标区域上的重投影残差所表示的特征点对应的长度，与特征点运动状态判断阈值进行比较，在时将该特征点进行颜色标记，表明其为运动的点；利用标签遍历每个潜在运动目标，统计落在每个潜在运动目标区域的运动的点的数量，设置一个运动点的数量的阈值Ф，如果某个潜在运动目标区域的运动的点的数量大于这个阈值，则将这个潜在运动目标区域标记为红色，表示运动目标；否则则将这个潜在运动目标区域标记为绿色，表示静止目标；其中，所述的公式被配置为： ； 表示静止区域的重投影残差长度的均值，表示大于1的数值。

全文数据：

权利要求：

百度查询： 成都信息工程大学 基于传统和深度学习结合的运动目标检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD