一种远距离行人位置识别方法、系统及存储介质技术方案

本发明专利技术提供一种远距离行人位置识别方法、系统及存储介质，方法包括：根据相机特性确定远距离行人在待检测原始图片中的理论位置区域；抠取理论位置区域；将待检测原始图片和抠取的理论位置区域处理为预设大小图片，并分别输入预设检测模型中，获取行人的第一位置识别结果和第二位置识别结果；根据行人的第一位置识别结果和第二位置识别结果，确定远距离行人的最终位置识别结果。本发明专利技术从相机特性出发，分析了远距离行人在安防机器人视角下出现的理论区域，解决了在缩放图片损失信息而导致远距离行人识别率低的问题。

【技术实现步骤摘要】
一种远距离行人位置识别方法、系统及存储介质
本专利技术涉及目标识别领域，更具体地，涉及一种远距离行人位置识别方法、系统及存储介质。
技术介绍
智能安防机器人在楼宇巡检过程中，借助自身传感器如相机来感知楼宇内的异常情况，在机房等重要无人区域，安防机器人检查环境，监控环境中有无人员流动来上报警报。在安防场景下，与配送业务不同的是，机器人需要对环境能够精确感知，对于那些距离较远的可疑人员也要能精准定位并上报。安防机器人的行人检测系统主要是基于卷积神经网络搭建而成，卷积运算是行人检测中占比最高的运算方式，网络计算量与图片的大小正相关。机器人等边缘端设备算力有限，行人检测算法在实际应用过程中，会先将图片按比例缩小后再进行计算，以减少计算耗时，保持系统的实时性。但这样简单的做法会导致在实际应用中，远距离行人本身信息量少，图片缩小后，信息进一步减少，会出现远距离行人难识别的问题。
技术实现思路
本专利技术针对现有技术中存在的技术问题，提供一种远距离行人位置识别方法、系统及存储介质。根据本专利技术的第一方面，提供了一种远距离行人位置识别方法，包括：对于待检测原始图片，根据相机特性确定远距离行人在所述待检测原始图片中的理论位置区域；从所述待检测原始图片中抠取所述理论位置区域；将待检测原始图片和抠取的所述理论位置区域处理为预设大小图片，分别得到第一图片和第二图片；将所述第一图片和所述第二图片分别输入预设检测模型中，获取所述预设检测模型分别输出的行人的第一位置识别结果和第二位置识别结果；根据行人的所述第一位置识别结果和所述第二位置识别结果，确定远距离行人的最终位置识别结果。在上述技术方案的基础上，本专利技术还可以作出如下改进。可选的，所述对于待检测原始图片，根据相机特性确定远距离行人在所述待检测原始图片中的理论位置区域，包括：采用棋盘格标定方式标定相机内外参数(K,RT)，相机矩阵KRT为：KRT＝K*RT；(1)其中，K为相机的内参，RT为相机的外参，fx，fy分别为相机水平方向和垂直方向的焦距，cx，cy为待检测原始图片水平方向和垂直方向的主点坐标，Hc为相机安装位置相对于地面的高度；根据相机矩阵KRT计算远距离行人在待检测原始图片中的理论位置区域：根据设定的远距离阈值以及行人身高阈值，确定出远距离行人在待检测图片中的理论位置区域；其中，(us，vs)为远距离行人在待检测图片中的像素坐标，s为缩放比例系数，x轴为地平线方向，y轴为行人身高方向，z轴为行人与相机距离方向。可选的，所述根据设定的远距离阈值以及行人身高阈值，确定出远距离行人在待检测图片中的理论位置区域，包括：取X＝0，Y＝0，Z＝8，代入公式(4)中，得到远距离行人在待检测图片中的位置下界u_down；取X＝0，Y＝2，Z＝8，得到远距离行人在待检测图片中的位置上界u_up；根据远距离行人在待检测图片中的位置下界和上界，确定远距离行人在待检测图片中的理论位置区域。可选的，所述抠取的所述理论位置区域处理为预设大小图片，包括：沿x轴方向将抠取的所述理论位置区域等分为两个子区域，将两个子区域沿z轴方向叠加重组，使得重组后的图片为预设大小图片。可选的，所述预设检测模型为SpaceToDepth模型，通过如下方式对所述SpaceToDepth模型进行训练：采集包括行人的多张图片形成训练集，对训练集中的每一张图片标记其中行人的位置，所述行人的位置以目标方框表征；利用训练集中多张图片以及每一张图片标记的行人的位置对所述预设检测模型进行训练；其中，所述预设检测模型将输入的每一张图片进行分块，得到多个子块，且根据多个子块的对应位置重新组成新图片，输出新图片中行人的位置。可选的，所述根据行人的所述第一位置识别结果和所述第二位置识别结果，确定远距离行人的最终位置识别结果，包括：根据所述第一位置识别结果和缩放比例系数s，获取远距离行人在待检测原始图片中的第一目标方框；根据所述第二位置识别结果和预设大小图片的尺寸，计算远距离行人在待检测原始图片中的第二目标方框；基于第一目标方框和第二目标方框，确定远距离行人在待检测原始图片中的最终位置识别结果。可选的，所述根据所述第一位置识别结果和缩放比例系数s，获取远距离行人在待检测原始图片中的第一目标方框，包括：bbox1ori＝(s*x11,s*y11,s*x12,s*y12)；其中，第一位置识别结果为bbox1(score1,x11,y11,x12,y12)，score1为置信度，x11,y11,x12,y12分别为第一位置识别结果对应的目标方框中四个顶点坐标；相应的，根据所述第二位置识别结果和预设大小图片的尺寸，计算远距离行人在待检测原始图片中的第二目标方框：其中，第一位置识别结果为bbox2(score2,x21,y21,x22,y22)，score1为置信度，x11,y11,x12,y12分别为第一位置识别结果对应的目标方框中四个顶点坐标，(w,H)为预设大小图片的尺寸，A、B为两个子区域。可选的，所述基于第一目标方框和第二目标方框，确定远距离行人在待检测原始图片中的最终位置识别结果，包括：基于第一目标方框和第二目标方框，采用NMS非极大值抑制方法确定远距离行人在待检测原始图片中的最终位置识别结果。根据本专利技术的第二方面，提供一种远距离行人位置识别系统，包括：第一确定模块，用于对于待检测原始图片，根据相机特性确定远距离行人在所述待检测原始图片中的理论位置区域；抠取模块，用于从所述待检测原始图片中抠取所述理论位置区域；将待检测原始图片和抠取的所述理论位置区域处理为预设大小图片，分别得到第一图片和第二图片；获取模块，用于将所述第一图片和所述第二图片分别输入预设检测模型中，获取所述预设检测模型分别输出的行人的第一位置识别结果和第二位置识别结果；第二确定模块，用于根据行人的所述第一位置识别结果和所述第二位置识别结果，确定远距离行人的最终位置识别结果。根据本专利技术的第三方面，提供了一种电子设备，包括存储器、处理器，所述处理器用于执行存储器中存储的计算机管理类程序时实现远距离行人位置识别方法的步骤。根据本专利技术的第四方面，提供了一种计算机可读存储介质，其上存储有计算机管理类程序，所述计算机管理类程序被处理器执行时实现远距离行人位置识别方法的步骤。本专利技术提供的一种远距离行人位置是被方法、系统及存储介质，从相机特性出发，分析了远距离行人在安防机器人视角下出现的理论区域，解决了在缩放图片损失信息而导致远距离行人识别率低的问题。附图说明图1为本专利技术提供的一种远距离行人位置识别方法流程图；图2为对抠取的远距离行人在原始图片中的理论位置区域进行重组的示意图；图3为SpaceToDepth模型的对输入图片分块示意图；图4为本专利技术提供的一种远距离行人位置识别系统结构示意图；图5为本专利技术提供的一种可能的电子设备的硬件结构示意图；...

【技术保护点】
1.一种远距离行人位置识别方法，其特征在于，包括：/n对于待检测原始图片，根据相机特性确定远距离行人在所述待检测原始图片中的理论位置区域；/n从所述待检测原始图片中抠取所述理论位置区域；/n将待检测原始图片和抠取的所述理论位置区域处理为预设大小图片，分别得到第一图片和第二图片；/n将所述第一图片和所述第二图片分别输入预设检测模型中，获取所述预设检测模型分别输出的行人的第一位置识别结果和第二位置识别结果；/n根据行人的所述第一位置识别结果和所述第二位置识别结果，确定远距离行人的最终位置识别结果。/n

【技术特征摘要】
1.一种远距离行人位置识别方法，其特征在于，包括：
对于待检测原始图片，根据相机特性确定远距离行人在所述待检测原始图片中的理论位置区域；
从所述待检测原始图片中抠取所述理论位置区域；
将待检测原始图片和抠取的所述理论位置区域处理为预设大小图片，分别得到第一图片和第二图片；
将所述第一图片和所述第二图片分别输入预设检测模型中，获取所述预设检测模型分别输出的行人的第一位置识别结果和第二位置识别结果；
根据行人的所述第一位置识别结果和所述第二位置识别结果，确定远距离行人的最终位置识别结果。


2.根据权利要求1所述的远距离行人位置识别方法，其特征在于，所述对于待检测原始图片，根据相机特性确定远距离行人在所述待检测原始图片中的理论位置区域，包括：
采用棋盘格标定方式标定相机内外参数(K,RT)，相机矩阵KRT为：
KRT＝K*RT；(1)






其中，K为相机的内参，RT为相机的外参，fx，fy分别为相机水平方向和垂直方向的焦距，cx，cy为待检测原始图片水平方向和垂直方向的主点坐标，Hc为相机安装位置相对于地面的高度；
根据相机矩阵KRT计算远距离行人在待检测原始图片中的理论位置区域：



根据设定的远距离阈值以及行人身高阈值，确定出远距离行人在待检测图片中的理论位置区域；
其中，(us，vs)为远距离行人在待检测图片中的像素坐标，s为缩放比例系数，x轴为地平线方向，y轴为行人身高方向，z轴为行人与相机距离方向。


3.根据权利要求2所述的远距离行人位置识别方法，其特征在于，所述根据设定的远距离阈值以及行人身高阈值，确定出远距离行人在待检测图片中的理论位置区域，包括：
取X＝0，Y＝0，Z＝8，代入公式(4)中，得到远距离行人在待检测图片中的位置下界u_down；
取X＝0，Y＝2，Z＝8，得到远距离行人在待检测图片中的位置上界u_up；
根据远距离行人在待检测图片中的位置下界和上界，确定远距离行人在待检测图片中的理论位置区域。


4.根据权利要求2或3所述的远距离行人位置识别方法，其特征在于，所述抠取的所述理论位置区域处理为预设大小图片，包括：
沿x轴方向将抠取的所述理论位置区域等分为两个子区域，将两个子区域沿z轴方向叠加重组，使得重组后的图片为预设大小图片。


5.根据权利要求1所述的远距离行人位置识别方法，其特征在于，所述预设检测模型为SpaceToDepth模型，通过如下方式对所述SpaceToDepth模型进行训练：
采集包括行人的多张图片形成训练集，对训练集中的每一张图片标记其中行人的位置，所述行人的位置以目标方框表征；
利用训练集中多张图片以及每一张图片标记的行人的位置对所述预设检测模型进行训练；
其中，所述预设检测模型将输...

【专利技术属性】
技术研发人员：秦豪，赵明，
申请(专利权)人：上海有个机器人有限公司，
类型：发明
国别省市：上海;31