【技术实现步骤摘要】
使用关系属性从输入数据中识别对象的方法
[0001]本专利技术涉及一种使用关系属性从输入数据中识别对象的方法。本专利技术还涉及一种对象检测设备。本专利技术还涉及一种计算机程序产品。
技术介绍
[0002]已知的对象检测算法为输入数据（例如以图像的形式）提供检测集合。检测通常由围绕对象的矩形（边界框）和标量检测质量代表。所述代表的替代形式，例如所谓的要点（例如诸如头部、左/右臂等各个身体部位的位置），在人员检测器的情况下是已知的。在对象识别时的问题是识别布置在一个组内并且被该组的其他对象部分覆盖的对象。这尤其是在跟踪对象（例如人群中的人）或从车辆驾驶员的角度观察道路交通的交通量时令人感兴趣。
技术实现思路
[0003]本专利技术的任务特别是在于：提供一种借助于输入数据改进地识别对象的方法。
[0004]根据第一方面，该任务通过一种用于从输入数据中识别对象的方法来解决，具有以下步骤：a)执行原始检测，其中确定至少两个对象；b)为所确定的至少两个对象确定至少一个关系属性，其中所述至少一个关系属性定义在步骤a...
【技术保护点】
【技术特征摘要】
1.用于从输入数据（D）中识别对象的方法，具有以下步骤：a)执行原始检测，其中确定至少两个对象；b)为所确定的至少两个对象确定至少一个关系属性，其中所述至少一个关系属性定义在步骤a)中确定的至少两个对象之间的关系；以及c)在考虑所述至少一个关系属性的条件下来确定待识别的对象。2.根据权利要求1所述的方法，其中所述关系属性（1a...1n）是以下之一：至少两个对象的交互、对象被至少一个其他对象遮蔽。3.根据权利要求1或2所述的方法，其中作为用于定位所述对象的属性（1a...1n）确定所述对象的定界元素或要点。4.根据权利要求3的方法，其中将以定界元素形式的所述属性（1a...1n）细分为子定界元素，其中为每个子定界元素确定二进制值，该二进制值对子定界元素内对象的存在进行编码。5.根据前述权利要求中任一项所述的方法，其中所述方法是利用以下至少一种类型的输入数据（D）来执行的：图像数据、雷达数据、激光雷达数据、超声数据。6.根据前述权利要求中任一项所述的方法，其中使用神经网络，特别是卷积神经网络CNN来确定所述关系属性（1a...1n），其中借助于所述神经网络的卷积核（22a...22n，23a...23n）至少在子区域中通常以定义的方式卷积所述输入数据（D）的图像。7.根据前述权利要求中任一项所述的方法，其中待识别对象的确定与...
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。