图像编码、识别、跟踪的方法、系统、设备和存储介质技术方案

本发明专利技术公开了一种图像编码、识别、跟踪的方法、系统、设备和存储介质，所述图像编码方法包括：选取N个目标图形；在任意两个所述目标图形的连线的设定位置处进行编码，生成所述连线对应的编码信息；生成包含所述编码信息和N个所述目标图形的目标图像。本发明专利技术实现机器人能够从一帧图像中唯一识别出目标图像，即使识别过程中有其他障碍物进行遮挡，也不会影响跟随；一旦目标对象丢失，可以重新快速识别，不会发生跟错目标对象的情况，且具有计算效率高、识别速度快、响应及时、成本低廉，不受环境的干扰，随时随地都可以实现跟踪，且不会发生信息泄露等优点。

Methods, systems, devices and storage media for image coding, recognition and tracking

【技术实现步骤摘要】
图像编码、识别、跟踪的方法、系统、设备和存储介质
本专利技术涉及图像
，特别涉及一种图像编码、识别、跟踪的方法、系统、设备和存储介质。
技术介绍
目前，在配送机器人、室内机器人以及超市购物机器人等应用场景中，都需要机器人具备跟随特定行人(即目标对象)的功能。而如何快速、有效、稳定以及不会跟错的实现跟踪特定目标，是目前的配送机器人中研究的热点。在跟随机器人的方案中，可以利用摄像头来进行视觉跟踪，也有通过UWB(UltraWideband，一种无载波通信技术)来实现视觉跟踪。目前效果比较好的机器人的行人跟随算法主要为基于深度学习与KCF算法相结合的物体检测与识别方法，在视觉追踪领域，KCF(核函数相关滤波方法)是一种实时性强、追踪效率高且追踪较为稳定的方法。在视觉帧率达到一定速度或者目标在帧间移动不是特别快的场景下，KCF都可以做到比较好的追踪效果。基于深度学习与KCF算法相结合的方法，是在初始化时利用深度学习识别出行人，再将行人的标框目标输入给KCF进行跟随。但是，上述现有的目标跟随算法存在的问题如下：1)深度学习虽然可以识别出行人、车辆等，但是，较难通过体形体态来识别出行人。所本文档来自技高网...

【技术保护点】
1.一种图像编码方法，其特征在于，所述图像编码方法包括：选取N个目标图形；其中，N个所述目标图形中有至少N‑1个多边图形，N为大于或者等于2的正整数；在任意两个所述目标图形的连线的设定位置处进行编码，生成所述连线对应的编码信息；生成包含所述编码信息和N个所述目标图形的目标图像。

【技术特征摘要】
1.一种图像编码方法，其特征在于，所述图像编码方法包括：选取N个目标图形；其中，N个所述目标图形中有至少N-1个多边图形，N为大于或者等于2的正整数；在任意两个所述目标图形的连线的设定位置处进行编码，生成所述连线对应的编码信息；生成包含所述编码信息和N个所述目标图形的目标图像。2.如权利要求1所述的图像编码方法，其特征在于，所述在任意两个所述目标图形的连线的设定位置处进行编码的步骤具体包括：在每条所述连线的设定位置处均采用相同的所述编码信息进行编码；其中，所述编码信息包括采用圆形和/或多边形与颜色信息相结合的方式在所述连线的设定位置处进行标注的内容。3.如权利要求1所述的图像编码方法，其特征在于，所述在任意两个所述目标图形的连线的设定位置处进行编码的步骤之前还包括：将N个所述目标图形按照设定位置顺序排列设置；所述连线为任意两个所述目标图形的中点的连线。4.如权利要求1所述的图像编码方法，其特征在于，N个所述目标图形均为多边图形且每个多边图形的顶点数不同。5.一种图像的识别方法，其特征在于，所述识别方法基于权利要求1至4中任意一项所述的图像编码方法实现，所述识别方法包括：获取一帧图像；识别出所述图像中第一图形，并选取N个所述第一图形；其中，N个所述第一图形中有至少N-1个多边图形；在任意两个所述第一图形的连线的设定位置处进行解码，获取所述第一图形的连线对应的解码信息；判断所述解码信息与权利要求1至4中任意一项所述的图像编码方法中的编码信息是否一致，若是，则确定包含N个所述第一图形的图像为基于权利要求1至4中任意一项所述的图像编码方法生成的所述目标图像。6.如权利要求5所述的图像的识别方法，其特征在于，当在每条所述连线的设定位置处均采用相同的所述编码信息进行编码时，所述在任意两个所述第一图形的连线的设定位置处进行解码，获取所述第一图形的连线对应的解码信息的步骤包括：计算任意两个所述第一图形的连线之外的其他连线中，在设定位置处具有相同的编码信息的连线数量；确定连线数量最多时的所述第一图形中其他连线的设定位置处的所述编码信息为任意两个所述第一图形的连线的设定位置处的解码信息。7.如权利要求5所述的图像的识别方法，其特征在于，所述选取N个所述第一图形的步骤包括：获取每个所述第一图形的顶点数；将具有相同的所述顶点数的所述第一图形分为一类，获取不同类别的第一图形集合；从分类后的所述第一图形集合中选取N个所述第一图形，且N个所述第一图形的顶点数各不相同。8.如权利要求5所述的图像的识别方法，其特征在于，所述在任意两个所述第一图形的连线的设定位置处进行解码的步骤之前还包括：判断所述N个所述第一图形是否按照所述设定位置顺序排列设置，若是，则获取所述第一图形的中心点；获取所述第一图形的中心点的连线形成的图形的第一中心点；判断所述第一中心点是否在设定位置范围内，若在，则确定N个所述第一图形为N个所述目标图形；否则，确定N个所述第一图形不是N个所述目标图形。9.如权利要求8所述的图像的识别方法，其特征在于，所述判断所述第一中心点是否在设定位置范围内，若在，则确定N个所述第一图形为N个所述目标图形；否则，确定N个所述第一图形不是N个所述目标图形的步骤包括：计算所述第一中心点与N个所述目标图形的中心点的连线形成的图形的第二中心点之间的距离；判断所述距离是否超过设定距离阈值，若超过，则确定N个所述第一图形不是N个所述目标图形；否则，确定N个所述第一图形为N个所述目标图形。10.如权利要求8所述的图像的识别方法，其特征在于，当确定N个所述第一图形不是N个所述目标图形时，则从所述图像中识别出的所述第一图形中重新选取N个所述第一图形进行判断，直至确定N个所述第一图形为N个所述目标图形；若从识别出所述图像中第一图形中选取的N个所述第一图形均不为N个所述目标图形时，则获取下一帧图像进行重新识别。11.一种基于机器人的跟踪识别方法，其特征在于，所述跟踪识别方法包括：将权利要求1至4中任意一项所述的图像编码方法生成的所述目标图像设置在目标对象上；采用权利要求5至10中任意一项所述的图像的识别方法识别所述目标对象上是否包含所述目标图像，若是，则控制机器人跟踪所述目标对象；其中，所述图像的识别方法中获取的所述图像为所述目标对象上的图像。12.一种图像编码系统，其特征在于，所述图像编码系统包括目标图形获取模块、编码信息生成模块和目标图像生成模块；所述目标图形获取模块用于选取N个目标图形；其中，N个所述目标图形中有至少N-1个多边图形，N为大于或者等于2的正整数；所述编码信息生成模块用于在任意两个所述目标图形的连线的设定位置处进行编码，生成所述连线对应的编码信息；所述目标图像生成模块用于生成包含所述编码信息和N个所述目标图形的目标图像。13.如权利要求12所述的图像编码系统，其特征在于，所述编码信息生成模块用于在每条所述连线的设定位置处均采用相同的所述编码信息进行编码；其中，所述编码信息包括采用圆形和/或多边形与颜色信息相结合的方式在所述连线的设定位置处进行标注的内容。14.如权利要求12所述的图像编码系统，其特征在于，所述图像...

【专利技术属性】
技术研发人员：李政，李雨倩，刘懿，
申请(专利权)人：北京京东尚科信息技术有限公司，北京京东世纪贸易有限公司，
类型：发明
国别省市：北京,11