对象检测方法和对象检测装置制造方法及图纸

本发明专利技术公开了一种对象检测方法和装置，用于在当前帧的图像对中检测对象，所述当前帧的图像对包括当前帧原始图和对应的当前帧视差图，所述原始图包括灰度图和彩色图中的至少一个。所述对象检测方法包括：获得在所述当前帧视差图中检测到的第一视差图检测对象；获得在所述当前帧原始图中检测到的原始图检测对象；根据所述原始图检测对象来将所述第一视差图检测对象校正为第二视差图检测对象；以及输出所述第二视差图检测对象。因此，本发明专利技术的实施例不但可以使得基于原始图像的对象检测方法对环境的变化更加鲁棒，而且可以使得基于视差图像的对象检测方法更加准确，即使是在视差很稀疏的情况。

【技术实现步骤摘要】

本申请一般地涉及数字图像处理领域，更具体地，本申请涉及一种对象检测方法和对象检测装置。
技术介绍
对象检测方法的应用日渐普及。具体地，在计算机视觉领域中，对象的检测和跟踪已经成为了活跃的研究对象，因为它可以为计算机自动地感知特定对象所提供关键的信息，并且为一些高层应用(例如，对象的活动识别和场景理解)提供底层服务。例如，应用于驾驶辅助系统的路上车辆检测方法可以有效地检测或识别车辆的有无、距离、速度、方位等等，以便帮助驾驶员避免交通事故。目前，主要存在以下两类对象检测方法。一方面，已经开发了许多基于视差图像(或深度图像)来检测物体的对象检测方法，其例如可以基于视差图像来检测行人、车辆、栅栏等。基于视差图的对象检测方法由于不容易受到外界因素的影响，所以对于环境变化非常鲁棒。但是，有时，由于相机的性能限制或者场景本身的特性等因素，可能只会得到视差点比较稀疏的视差图，后文称之为稀疏视差图。这里，稀疏是一个相对意义上的词汇，其含义是指只存在少量的有效视差像素，而且主要是不连续地出现在对象的边缘。出现这种现象的原因可能是一些立体匹配算法只匹配强纹理点或只采纳高置信度的点。这样，由于这种稀疏视差图效应，可能使得难于检测到或完整地检测到物体(诸如，行人、车辆等)。另一方面，还存在基于原始图像(例如，灰度图或彩色图)的对象检测方法，其例如可以利用丰富灰度信息或颜色信息来检测各种对象。然而，在这种对象检测方法中，由于灰度特征或颜色特征通常会容易受到诸如光照之类的环境因素的影响，所以可能由于同一物体在不同图像帧中的视觉特征变化而产生检测对象失配，并最终造成在某些图像帧中的对象丢失。
技术实现思路
为了解决上述技术问题，根据本申请的一个方面，提供了一种对象检测方法，用于在当前帧的图像对中检测对象，所述当前帧的图像对包括当前帧原始图和对应的当前帧视差图，所述原始图包括灰度图和彩色图中的至少一个，所述方法包括:获得在所述当前帧视差图中检测到的第一视差图检测对象；获得在所述当前帧原始图中检测到的原始图检测对象；根据所述原始图检测对象来将所述第一视差图检测对象校正为第二视差图检测对象；以及输出所述第二视差图检测对象。此外，根据本申请的另一方面，提供了一种对象检测装置，用于在当前帧的图像对中检测对象，所述当前帧的图像对包括当前帧原始图和对应的当前帧视差图，所述原始图包括灰度图和彩色图中的至少一个，所述装置包括:视差图对象获得单元，用于获得在所述当前帧视差图中检测到的第一视差图检测对象；原始图对象获得单元，用于获得在所述当前帧原始图中检测到的原始图检测对象；视差图对象校正单元，用于根据所述原始图检测对象来将所述第一视差图检测对象校正为第二视差图检测对象；以及输出单元，用于输出所述第二视差图检测对象。与现有技术相比，采用根据本申请实施例的对象检测方法和装置能够在对象检测过程中，使得视差图检测方法和原始图检测方法相互配合，即使用基于视差图像的对象检测方法和基于原始图像的对象检测方法之间的相互作用来精确检测物体。具体地，在本申请的实施例中，可以使用基于原始图像的对象检测方法在当前帧原始图中检测到的原始图检测对象，来对使用基于视差图像的对象检测方法在当前帧视差图中检测到的视差图检测对象进行校正，以便在随后帧的视差图中，使用该校正结果作为历史检测对象来继续检测视差图检测对象，从而获得更加准确的视差图检测对象。同样地，在本申请的实施例中，还可以使用基于视差图像的对象检测方法在当前帧视差图中检测到的视差图检测对象，来对在基于原始图像的对象检测方法中使用的特定检测参数进行调整，以便在随后帧的原始图中，使用该调整结果作为当前检测参数来继续检测原始图检测对象，从而获得更加准确的原始图检测对象。因此，本申请的实施例不但可以使得基于原始图像的对象检测方法对环境的变化更加鲁棒，而且可以使得基于视差图像的对象检测方法更加准确，即使是在视差很稀疏的情况。本申请的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请而了解。本申请的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。【附图说明】附图用来提供对本申请的进一步理解，并且构成说明书的一部分，与本申请的实施例一起用于解释本申请，并不构成对本申请的限制。在附图中:图1A和图1B分别图示了双目摄像机分别在第N帧、第N+1帧所得到的视差图，并且图1C图示了基于视差图像的对象检测方法中的补偿处理。图2A和图2B分别图示了双目摄像机分别在第N帧、第N+1帧所得到的原始图。图3是图示了根据本申请实施例的对象检测方法的总体流程图。图4图示了根据本申请实施例具体示例的图像捕捉系统。图5A和图5B分别图示了该图像捕捉系统在第N帧所得到的当前帧的图像对。图6是图示了根据本申请实施例具体示例的对象检测方法的流程图。图7是图示了根据本申请实施例具体示例的基于视差图的对象检测方法所检测到的当前检测对象。图8A和图8B分别图示了根据本申请实施例具体示例的用于历史对象模板的区域划分和用于原始图候选对象的区域划分。图9图示了根据本申请具体实施例的灰度图历史对象模板的灰度直方图。图10是图示了根据本申请实施例具体示例的基于第N帧原始图的对象检测方法所检测到的当前检测对象。图11图示了根据本申请实施例具体示例的第一视差图检测对象和所述原始图检测对象的匹配判断处理。图12图示了根据本申请实施例具体示例的匹配的灰度图检测对象和视差图检测对象。图13图示了根据本申请实施例具体示例的根据视差图检测对象来校正灰度图历史对象模板的权重系数的处理。图14图示了根据本申请实施例具体示例的基于第N+1帧原始图的对象检测方法所检测到的当前检测对象。图15图示了根据本申请实施例具体示例的根据灰度图检测对象来校正视差图检测对象的处理。图16图示了根据本申请实施例的对象检测装置的功能配置框图。图17图示了根据本申请实施例的对象检测系统的功能结构图。图18图示了根据本申请实施例的用于对象检测的硬件系统的总体硬件框图。图19图示了根据本申请实施例的用于对象检测的硬件系统的系统序列图。【具体实施方式】将参照附图详细描述根据本申请的各个实施例。这里，需要注意的是，在附图中，将相同的附图标记赋予基本上具有相同或类似结构和功能的组成部分，并且将省略关于它们的重复描述。为了使本领域技术人员更好地理解本申请，将按下列顺序来对本申请作进一步详细说明。1、现有技术的简要介绍2、本申请的思想概述3、对象检测方法3.1、具体示例4、对象检测装置5、对象检测系统6、用于对象检测的硬件系统1、现有技术的简要介绍在对本申请的实施例进行描述之前，为了便于理解，将首先简要地介绍根据现有技术的对象检测方法。如
技术介绍
所描述的，作为常用的对象检测方法，当前主要存在基于视差图像的对象检测方法和基于原始图像的对象检测方法。下面，首先，将参考图1A到图1C来描述根据现有技术的基于视差图像的对象检测方法。一般地，视差图像可以通过立体匹配方法来获得。立体匹配方法的基本原理是对通过图像捕捉设备(例如，立体相机)所拍摄的两个不同视角下(当双目相机时)或更多个不同视角下(当多目相机时)同一物体的图像进行比较，通过寻找对应像素来计算本文档来自技高网...

【技术保护点】
一种对象检测方法，用于在当前帧的图像对中检测对象，所述当前帧的图像对包括当前帧原始图和对应的当前帧视差图，所述原始图包括灰度图和彩色图中的至少一个，其特征在于，所述方法包括：获得在所述当前帧视差图中检测到的第一视差图检测对象；获得在所述当前帧原始图中检测到的原始图检测对象；根据所述原始图检测对象来将所述第一视差图检测对象校正为第二视差图检测对象；以及输出所述第二视差图检测对象。

【技术特征摘要】

【专利技术属性】
技术研发人员：游赣梅，刘媛，师忠超，鲁耀杰，王刚，
申请(专利权)人：株式会社理光，
类型：发明
国别省市：日本;JP