【技术实现步骤摘要】
一种基于社区监控的距离测算方法及装置
[0001]本专利技术涉及智慧社区
,尤其涉及一种基于社区监控的距离测算方法及装置。
技术介绍
[0002]社区项目中,在进行危险识别时,两个物体之间距离是不可忽略的因素之一。目前智慧社区中识别两个物体之间距离的方式是传统的双目视觉摄像头来实现的,这会增大社区运营的成本。而且需要通过大量的标定,假设可以获取成千上万的标注点,就相当于获取了每个像素的映射关系,但是需要耗费太多的时间成本。
技术实现思路
[0003]本专利技术实施例提供一种基于社区监控的距离测算方法及装置,用以提高距离测算的效率,降低社区运营的成本。
[0004]第一方面,本专利技术实施例提供一种基于社区监控的距离测算方法,包括:
[0005]获取社区监控的监控图像上的两个物体的像素坐标;
[0006]将所述两个物体的像素坐标中纵坐标分别输入到道路的左侧的距离预测模型和右侧的距离预测模型中,确定出所述两个物体的像素坐标中纵坐标对应的左侧实际距离和右侧实际距离,并根据所述两个物体的像素坐标中纵坐标对应的左侧实际距离和右侧实际距离,确定出所述两个物体之间在y方向上的实际距离;所述距离预测模型是对标注有像素点的像素坐标与实际距离的对应关系的训练集进行训练学习得到的;
[0007]根据所述两个物体的像素坐标和位于道路两侧的两条直线,确定出第一物体的像素坐标在x方向与第二物体在y方向的交点的横坐标;并根据所述交点的横坐标和所述第一物体的像素坐标的横坐标以及x方向上每个像素点 ...
【技术保护点】
【技术特征摘要】
1.一种基于社区监控的距离测算方法,其特征在于,包括:获取社区监控的监控图像上的两个物体的像素坐标;将所述两个物体的像素坐标中纵坐标分别输入到道路的左侧的距离预测模型和右侧的距离预测模型中,确定出所述两个物体的像素坐标中纵坐标对应的左侧实际距离和右侧实际距离,并根据所述两个物体的像素坐标中纵坐标对应的左侧实际距离和右侧实际距离,确定出所述两个物体之间在y方向上的实际距离;所述距离预测模型是对标注有像素点的像素坐标与实际距离的对应关系的训练集进行训练学习得到的;根据所述两个物体的像素坐标和位于道路两侧的两条直线,确定出第一物体的像素坐标在x方向与第二物体在y方向的交点的横坐标;并根据所述交点的横坐标和所述第一物体的像素坐标的横坐标以及x方向上每个像素点的实际距离,确定出所述两个物体之间在x方向上的实际距离;所述x方向上每个像素点的实际距离是根据所述标注有像素点的像素坐标与实际距离的对应关系的训练集确定的;所述道路两侧的两条直线是由道路两侧的像素点的像素坐标线性拟合得到的;根据所述两个物体之间在y方向上的实际距离和所述两个物体之间在x方向上的实际距离,确定出所述两个物体之间的实际距离。2.如权利要求1所述的方法,其特征在于,所述对标注有像素点的像素坐标与实际距离的对应关系的训练集进行训练学习得到所述距离预测模型,包括:获取标注有像素点的像素坐标与实际距离的对应关系的训练集;从所述标注有像素点的像素坐标与实际距离的对应关系的训练集中确定出各像素点的像素坐标中的纵坐标集合以及各像素点的像素坐标中的纵坐标对应的实际距离集合;将所述各像素点的像素坐标中的纵坐标集合以及各像素点的像素坐标中的纵坐标对应的实际距离集合输入到预设的深度学习模型中进行训练学习,直到所述预设的深度学习模型收敛后,得到所述距离预测模型。3.如权利要求1所述的方法,其特征在于,所述根据所述标注有像素点的像素坐标与实际距离的对应关系的训练集确定所述x方向上每个像素点的实际距离,包括:根据标注有像素点的像素坐标与实际距离的对应关系的训练集中道路两侧标号相同的像素点之间的实际距离,得到所述道路的实际宽度和像素宽度;将所述道路的实际宽度和像素宽度的比值确定为所述标号相同的像素点在x方向上每个像素点的实际距离。4.如权利要求3所述的方法,其特征在于,所述根据所述两个物体的像素坐标中纵坐标对应的左侧实际距离和右侧实际距离,确定出所述两个物体之间在y方向上的实际距离,包括:根据所述两个物体分别距离所述道路两侧的两条直线的距离以及所述两个物体的像素坐标中纵坐标对应的左侧实际距离和右侧实际距离,确定出所述两个物体的像素坐标中纵坐标对应的实际距离;将所述两个物体的像素坐标中纵坐标对应的实际距离的差值的绝对值确定为所述两个物体之间在y方向上的实际距离。5.如权利要求1至4任一项所述的方法,其特征在于,所述根据所述两个物体的像素坐标和位于道路两侧的两条直线,确定出第一物体的像素坐标在x方向与第二物体在...
【专利技术属性】
技术研发人员:张士林,
申请(专利权)人:青岛聚好联科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。