使用几何上下文检测人群中的对象制造技术

计算系统被配置为训练对象分类器。接收针对场景的单目图像数据以及地面真值数据。确定几何上下文，该几何上下文包括相对于固定平面的三维相机位置。在所述图像数据内标识感兴趣区域(RoI)以及潜在遮挡物集合。针对每个潜在遮挡物，遮挡区被投影到三维中的所述固定平面。针对每个遮挡区，生成在所述固定平面上的遮挡的RoI集合。每个遮挡的RoI被投影回到二维中的所述图像数据。分类器通过以下操作而被训练：最小化损失函数，该损失函数通过将与所述RoI和遮挡的RoI有关的信息输入分类器而生成；以及基于所述地面真值数据，最小化所述集合中的每个RoI和每个遮挡的RoI在所述固定平面上的位置误差。然后，将经训练的分类器输出以用于对象检测。

【技术实现步骤摘要】
【国外来华专利技术】使用几何上下文检测人群中的对象
技术介绍
现代对象检测系统通常依赖于区域候选方法以及卷积神经网络以生成候选区域，然后将这些区域分类为是否包含所期望的对象。使用这些方法，基于图像数据诸如人和车辆等对象可以被标识和量化。
技术实现思路
提供本
技术实现思路
以简化形式介绍一些概念，这些概念将在下面的具体实施方式中进一步描述。本
技术实现思路
既不旨在标识所要求保护的主题的关键特征或必要特征，也不旨在用于限制所要求保护的主题的范围。此外，要求保护的主题不限于解决在本公开的任何部分中指出的任何或所有缺点的实现。与使用几何上下文对对象进行分类有关的示例被公开。在一个示例中，计算系统被配置为训练对象分类器。接收针对场景的单目图像数据以及地面真值数据。确定几何上下文，包括相对于固定平面的三维相机的位置。在图像数据内标识感兴趣区域(RoI)以及潜在遮挡物集合。针对每个潜在遮挡物，遮挡区被投影到三维中的所述固定平面。针对每个遮挡区，生成在所述固定平面上的遮挡的RoI集合。每个遮挡的RoI被投影回二维中的所述图像数据。分类器通过以下操作被训练：最小化损失函数，该损失函数通过本文档来自技高网...

【技术保护点】
1.一种用于训练分类器以对对象进行分类的计算系统，所述计算系统包括：/n逻辑机器；以及/n存储机器，保存指令，所述指令在被执行时使所述逻辑机器：/n接收针对场景的单目图像数据；/n接收针对所述场景的地面真值数据；/n确定针对所述场景的几何上下文，所述几何上下文包括相对于固定平面的三维相机位置；/n确定所述单目图像数据内的感兴趣区域集合；/n基于所述感兴趣区域集合，标识一个或多个潜在遮挡物的集合；/n针对所标识的每个潜在遮挡物，基于所述几何上下文，将遮挡区投影到三维中的所述固定平面上；/n针对每个遮挡区，生成三维中的所述固定平面上的遮挡的感兴趣区域集合；/n将每个遮挡的感兴趣区域投影回到二维中的...

【技术特征摘要】
【国外来华专利技术】20181217 US 16/222,9541.一种用于训练分类器以对对象进行分类的计算系统，所述计算系统包括：
逻辑机器；以及
存储机器，保存指令，所述指令在被执行时使所述逻辑机器：
接收针对场景的单目图像数据；
接收针对所述场景的地面真值数据；
确定针对所述场景的几何上下文，所述几何上下文包括相对于固定平面的三维相机位置；
确定所述单目图像数据内的感兴趣区域集合；
基于所述感兴趣区域集合，标识一个或多个潜在遮挡物的集合；
针对所标识的每个潜在遮挡物，基于所述几何上下文，将遮挡区投影到三维中的所述固定平面上；
针对每个遮挡区，生成三维中的所述固定平面上的遮挡的感兴趣区域集合；
将每个遮挡的感兴趣区域投影回到二维中的所述图像数据；
通过以下操作训练所述分类器：
最小化损失函数，所述损失函数通过将与所述感兴趣区域集合和所述遮挡的感兴趣区域集合有关的信息输入所述分类器中而被生成；以及
基于所述地面真值数据，最小化所述集合中的每个感兴趣区域和每个遮挡的感兴趣区域在所述固定平面上的位置误差；
以及
输出所述分类器以用于对象检测。


2.根据权利要求1所述的计算系统，其中所述固定平面是地平面。


3.根据权利要求1所述的计算系统，其中所述指令可执行，以通过从所述地面真值数据中提取相对于所述固定平面的所述三维相机位置来确定针对所述场景的所述几何上下文。


4.根据权利要求1所述的计算系统，其中所述指令可执行，以通过从所述单目图像数据中得到相对于所述固定平面的所述三维相机位置来确定针对所述场景的所述几何上下文。


5.根据权利要求1所述的计算系统，其中所述指令可执行，以基于针对感兴趣区域的置信度水平大于阈值来确定所述一个或多个潜在遮挡物。


6.根据权利要求1所述的计算系统，其中所述指令可执行，以通过基于所述几何上下文在三维中生成遮挡锥体来...

【专利技术属性】
技术研发人员：I·查克拉博蒂，华刚，
申请(专利权)人：微软技术许可有限责任公司，
类型：发明
国别省市：美国;US