本申请涉及图像处理技术领域，具体而言，涉及一种物体空间位置检测方法、装置、计算机设备及其存储介质；法包括：获取采集的图像；标记目标物体；采用目标检测模型识别所述图像中的空间信息，得到用于指示空间信息的不规则多边形预测框；在所述图像中展示所述不规则多边形预测框；根据所述不规则多边形预测框判断目标物体的空间位置；本申请实施例提供的技术方案中，通过构建无规则矩形预测框，获得无规则矩形预测框的个顶点坐标的极值，通过极值的比较，实现了物体所在空间信息的确定，从而增强了对于被检测物体的确认的准确度。了对于被检测物体的确认的准确度。了对于被检测物体的确认的准确度。
【技术实现步骤摘要】
物体空间位置检测方法、装置、计算机设备及其存储介质
[0001]本申请涉及图像处理
，具体而言，涉及一种物体空间位置检测方法、装置、计算机设备及其存储介质。
技术介绍
[0002]目前城市化管理中，针对于占道经营以及人行道占道物体的清理属于较为重要的管理措施。
[0003]基于计算机技术的发展，目前针对于物体的识别不需要大量的人力进行处理，现有技术中多采用物体识别的计算机技术对于占道物体进行识别，并且通过警报的方式通知就近的城市管理人员。
[0004]目前采用的计算机识别技术多为语义分割技术来实现。语义分割主要是对整个场景进行语义分割，同时进行物体检测。利用预定义的逻辑关系，排除错误。例如，城市井盖不可能出现在天空，若井盖的检测框出现在语义分割图中天空部分，或与之有交集，则判定物体检测模型为误识别。效果较好的语义分割模型，都使用了较高的分辨率，边缘端设备由于性能限制无法使用。同时，由于现阶段语义分割对细小的物体以及物体边沿处的分割效果仍然不够理想，这也限制了它的使用范围。
[0005]尤其是针对沿街的商铺，商铺内拜访有较多的物品，在目前的语义分割和检测模型下，容易出现误判，即对室内空间的物体也误判为占道的物体。
技术实现思路
[0006]本申请实施例提供一种物体空间位置检测方法、装置、计算机设备及其存储介质，以通过构建不规则矩形预测框，通过语义分割的手段实现对于被检测物体处于室内室外位置的确定，提高了检测的准确性。
[0007]为了达到上述目的，本申请实施例采用的技术方案如下：第一方面，本申请实施例提供了一种物体空间位置检测方法，该方法包括：获取采集的图像；标记目标物体；采用目标检测模型识别所述图像中的空间信息，得到用于指示空间信息的不规则多边形预测框；在所述图像中展示所述不规则多边形预测框；根据所述不规则多边形预测框判断目标物体的空间位置。
[0008]进一步地，采用目标检测模型识别所述图像中的室内空间信息，得到用于指示空间信息的不规则多边形预测框，包括：基于得到采集的图像中的热图；将热图输入至所述目标检测模型，得到室内空间的中心点；基于预测得到的中心点得到用于指示空间信息的不规则外接矩形框；采用目标检测模型在所述外接矩形框范围内，回归不规则多边形预测框，得到不规则多边形预测框的顶点坐标。
[0009]进一步地，采用目标检测模型在所述外接矩形框范围内，回归不规则多边形预测框，得到不规则多边形预测框的顶点坐标，包括：识别图像中属于空间信息的像素单元；在外接矩形框范围内，回归识别出的像素单元，得到包围像素单元的不规则多边形预测框；确
定多边形预测框的顶点坐标。
[0010]进一步地，采用不规则多边形预测框判断目标物体的空间位置，包括：获取各不规则多边形预测框的顶点坐标在x坐标和y坐标的极大值和极小值，获取目标物体所在空间的x坐标和y坐标的极大值和极小值；比较不规则多边形预测框顶点坐标的各极值与目标物体所在空间的各极值。
[0011]进一步地，将图像输入所述目标检测模型之前，还包括：将训练样本的图像输入目标检测模型，得到目标检测模型输出的不规则多边形预测框的顶点坐标；根据不规则多边形预测框的顶点坐标和第一参考值之间的差异，以及不规则多边形预测框的顶点坐标和第二参考值之间的差异，调整目标检测模型的模型参数；其中，第一参考值是采用不规则多边形对训练样本的图像中空间信息进行标注时，不规则多边形的顶点坐标值；第二参考值是采用矩形对训练样本的图像中空间信息进行标注时，矩形的参数值。
[0012]进一步地，根据不规则多边形预测框的顶点坐标和第一参考值之间的差异，以及外接矩形框的顶点坐标和第二参考值之间的差异，调整目标检测模型的模型参数，包括：获取目标检测模型输出的不规则多边形预测框的顶点坐标和对应的第一预测误差；第一预测误差，指示顶点坐标的预测误差；根据第一参考值和顶点坐标，确定多边形预测框的第一实际误差；根据第一预测误差和所述第一实际误差之差得到第一损失函数值；调整目标检测模型的模型参数，以使第一损失函数值最小化。
[0013]进一步地，根据不规则多边形预测框的顶点坐标和第一参考值之间的差异，以及外接矩形框的顶点坐标和第二参考值之间的差异，调整目标检测模型的模型参数，包括：获取目标检测模型输出的外接矩形框的顶点坐标和对应的第二预测误差；第二预测误差，指示参量的预测误差；根据第二参考值和顶点坐标，确定外接矩形框的第二实际误差；根据第二预测误差和第二实际误差之差得到第二损失函数值；调整目标检测模型的模型参数，以使第二损失函数值最小化。
[0014]进一步地，获取采集的图像，包括：获取采用鱼眼镜头采集的图像。
[0015]第二方面，本申请实施例还提供一种基于物体空间位置检测方法的装置，包括：获取模块，用于获取采集的图像；识别模块，用于采用目标检测模型识别所述图像中的空间信息，得到用于指示空间信息的不规则多边形预测框；展示模块，用于在所述图像中展示所述不规则多边形预测框。
[0016]第三方面，本申请实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，实现上述的物体空间位置检测方法第四方面，本申请实施例还提供了一种计算机可读存储介质，存储介质内存储有计算机程序，计算机程序被处理器执行时实现本申请实施例第一方面提供的基于物体空间位置检测方法。
[0017]本申请实施例提供的技术方案中，通过构建无规则矩形预测框，获得无规则矩形预测框的个顶点坐标的极值，通过极值的比较，实现了物体所在空间信息的确定，从而增强了对于被检测物体的确认的准确度。
[0018]附图说明
[0019]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0020]附图中的方法、系统和/或程序将根据示例性实施例进一步描述。这些示例性实施例将参照图纸进行详细描述。这些示例性实施例是非限制的示例性实施例，其中示例数字在附图的各个视图中代表相似的机构。
[0021]图1是根据本申请的一些实施例所示的一种物体空间位置检测方法的流程图。
[0022]图2是根据本申请的一些实施例所示的一种基于物体空间位置检测装置的结构示意图；图3是根据本申请的一些实施例所示的一种基于物体空间位置检测装置的无规则多边形矿结构示意图；图4是根据本申请的一些实施例所示的物体空间位置检测示意图；图5是根据本申请的一些实施例所示的现有技术中物体检测示意图。
具体实施方式
[0023]为了更好的理解上述技术方案，下面通过附图以及具体实施例对本申请技术方案做详细的说明，应当理解本申请实施例以及实施例中的具体特征是对本申请技术方案的详细的说明，而不是对本申请技术方案的限定，在不冲突的情况下，本申请实施例以本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种物体空间位置检测方法，其特征在于，所述方法包括：获取采集的图像；标记目标物体；采用目标检测模型识别所述图像中的空间信息，得到用于指示空间信息的不规则多边形预测框；在所述图像中展示所述不规则多边形预测框；根据所述不规则多边形预测框判断目标物体的空间位置。2.根据权利要求1所述的物体空间位置检测方法，其特征在于，所述采用目标检测模型识别所述图像中的室内空间信息，得到用于指示空间信息的不规则多边形预测框，包括：基于得到采集的图像中的热图；将所述热图输入至所述目标检测模型，得到室内空间的中心点；基于预测得到的中心点得到用于指示空间信息的不规则外接矩形框；采用所述目标检测模型在所述外接矩形框范围内，回归不规则多边形预测框，得到所述不规则多边形预测框的顶点坐标。3.根据权利要求2所述的物体空间位置检测方法，其特征在于，所述采用所述目标检测模型在所述外接矩形框范围内，回归不规则多边形预测框，得到所述不规则多边形预测框的顶点坐标，包括：识别所述图像中属于空间信息的像素单元；在所述外接矩形框范围内，回归识别出的像素单元，得到包围所述像素单元的所述不规则多边形预测框；确定所述多边形预测框的顶点坐标。4.根据权利要求2所述的物体空间位置检测方法，其特征在于，根据所述不规则多边形预测框判断目标物体的空间位置，包括：获取各所述不规则多边形预测框的顶点坐标在x坐标和y坐标的极大值和极小值，获取目标物体所在空间的x坐标和y坐标的极大值和极小值；比较所述不规则多边形预测框顶点坐标的各极值与目标与所述目标物体所在空间的各极值。5.根据权利要求2所述的物体空间位置检测方法，其特征在于，所述将所述热图输入所述目标检测模型之前，还包括：将训练样本的图像输入所述目标检测模型，得到所述目标检测模型输出的所述不规则多边形预测框的顶点坐标；根据所述不规则多边形预测框的顶点坐标和第一参考值之间的差异，以及所述不规则多边形预测框的顶点坐标和第二参考值之间的差异，调整所述目标检测模型的模型参数；其中，所述第一参考值是采用不规则多边形对所述训练样本的图像中空间信息进行标注时，所述不规则多边形的顶点坐标值；所述第二参考值是采用矩形对所述训练样本的图像中空间信息进行标注时，所述矩形的参数值。6.根据权利要求5所述的物体...
【专利技术属性】
技术研发人员：姜帝兆，鲜斌，张结斌，
申请(专利权)人：成都合能创越软件有限公司，
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。