公开了一种图像处理设备和用于控制图像处理设备的方法。根据本公开的一实施例的图像处理设备可以从获取的图像中识别对象，通过使用检测到的对象的边界框的纵横比来确定对象是否被另一对象隐藏，并且基于对象被隐藏而基于边界框的坐标信息估计对象的整个长度。因此，可以在不应用大量数据库或者最小化装置的资源的同时有效地识别隐藏对象的大小信息。本公开可以与监控相机、自动驾驶车辆、用户终端或服务器中的至少一个的人工智能模块、机器人、增强现实(AR)装置、虚拟现实(VR)装置、与5G服务相关的装置等结合。服务相关的装置等结合。服务相关的装置等结合。
【技术实现步骤摘要】
图像处理设备和用于控制图像处理设备的方法
[0001]本公开涉及一种图像处理设备和用于控制图像处理设备的方法。
技术介绍
[0002]在对象检测技术中，当人被物体或其他人隐藏时，很难完整地检测到人。已经研究了各种技术来解决该问题。检测器的性能可以通过使用在许多视点拍摄的图像或分类设备，或者基于特征点来补充。
[0003]然而，如果需要大量数据库或者人被隐藏，则这种方法难以获得高可靠性的信息。并且，大多数的分类设备仅考虑人的完整检测，并且存在不考虑人的三维位置信息的问题。
技术实现思路
[0004]鉴于上述情况，本公开提供了一种可以在没有大量数据库的情况下增加遮挡检测结果的可靠性的图像处理设备和用于控制图像处理设备的方法。
[0005]另外，本公开提供了一种可以通过使用利用基于深度学习的遮挡检测结果表示检测对象的边界框信息来有效地校正隐藏对象的坐标信息的图像处理设备和用于控制图像处理设备的方法。
[0006]本公开要实现的目的不限于上述目的，并且本领域技术人员可以从以下说明中清楚地理解未提及的其他目的。
[0007]根据本公开的一实施例的一种图像处理设备包括：图像获取单元；以及处理器，被配置为基于指示来自通过所述图像获取单元获取的图像的对象检测结果的边界框的纵横比小于预定的基准纵横比来确定对象的至少一部分被遮挡，并且根据边界框的坐标信息来估计对象的基准坐标，其中，不同的纵横比根据所述对象的类型和属性中的至少一个而被应用于基准纵横比。
[0008]所述对象的类型可以包括人、动物和车辆中的至少一个，并且其中，所述对象的属性可以包括在相同类型的对象之中能够分类为不同类别的特征。
[0009]所述基准坐标可以是用于在所述对象的至少一部分被遮挡的状态下估计所述对象被遮挡之前的长度的坐标，并且包括所述对象被遮挡之前的长度方向上的两端点中的至少一个点的坐标信息。
[0010]所述处理器可以被配置为：通过使用基于深度学习的算法检测图像中的对象，对检测到的对象的类型或属性进行分类，并基于检测到的对象的所分类的类型或属性将边界框的纵横比与预定的基准纵横比进行比较。
[0011]预定的基准纵横比可以根据所述图像获取单元的安装角度来改变。
[0012]基于对象的类型是人体并且边界框的纵横比小于基准纵横比，所述处理器可以被配置为：确定所述边界框包括人体的头部区域，从头部区域的坐标值估计人体的脚尖坐标，并且计算人体的整个身体的长度。
[0013]所述处理器可以被配置为：估计将包括头部区域的边界框的中心坐标值中的Y坐
标值与边界框的垂直长度的整数倍相加的结果作为人体的脚尖坐标。
[0014]所述整数倍的整数值可以是将预定的基准纵横比与考虑了所述图像获取单元的灵敏度的值相加的值。
[0015]所述处理器可以被配置为：在通过所述图像获取单元检测到的至少两个对象中的至少一个对象被检测为遮挡对象的情况下，通过将基准坐标应用于遮挡对象来测量所述至少两个对象之间的实际距离。
[0016]所述处理器可以被配置为：根据所述图像获取单元的校准信息基于包括头部区域的边界框的二维中心坐标值和人体的身高值，构建人体的三维坐标值，从三维坐标值获取脚尖的三维坐标值，并且通过基于所述图像获取单元的校准信息将脚尖的三维坐标值转换为二维中心坐标值来估计人体的脚尖坐标。
[0017]所述处理器可以被配置为：估计至少一个遮挡对象的基准坐标，基于估计的基准坐标生成所述至少一个遮挡对象的校正的边界框，并且生成校正边界框的坐标信息作为用于对对象进行分类的深度学习模型的输入数据。
[0018]根据本公开的另一实施例的一种用于控制图像处理设备的方法包括如下步骤：从通过图像处理设备的图像获取单元获取的图像中检测对象；将指示对象的检测结果的边界框的纵横比与预定的基准纵横比进行比较；以及基于边界框的纵横比小于预定的基准纵横比来确定对象的至少一部分被遮挡，并且基于边界框的坐标信息来估计对象的基准坐标，其中，不同的纵横比根据对象的类型和属性中的至少一个而被应用于基准纵横比。
[0019]对象包括人体，并且所述方法还可以包括如下步骤：基于边界框的纵横比小于基准纵横比，确定边界框包括人体的头部区域；以及估计将边界框的顶部的中心坐标值中的Y坐标值与边界框的垂直长度的整数倍相加的结果作为人体的脚尖坐标。
[0020]可以识别检测到的所述对象的性别，并且所述方法还可以包括如下步骤：基于边界框的纵横比小于基准纵横比，确定边界框包括人体的头部区域；根据所述图像获取单元的校准信息基于包括头部区域的边界框的二维中心坐标值和根据性别预先确定的人体身高值，构建人体的三维坐标值；从三维坐标值获取脚尖的三维坐标值；以及通过基于所述图像获取单元的校准信息将脚尖的三维坐标值转换为二维中心坐标值来估计人体的脚尖坐标。
[0021]根据本公开的另一实施例的一种图像处理设备包括：图像获取单元；以及处理器，被配置为从通过图像获取单元获取的图像中检测对象，将检测到的对象的边界框的纵横比与预定的基准纵横比进行比较，基于检测到的被遮挡的对象的至少一部分来估计遮挡对象的基准坐标，并且基于估计的基准坐标来获取遮挡对象的校正的边界框的坐标信息，其中，所述处理器将校正的边界框的坐标信息配置为深度学习对象检测模型的输入数据，并输出对象检测结果。
[0022]不同的纵横比可以根据对象的类型和属性中的至少一个而被应用于基准纵横比。
[0023]对象的类型可以包括人、动物和车辆中的至少一个，并且其中，对象的属性可以包括在相同类型的对象之中能够分类为不同类别的特征。
[0024]基准坐标可以是用于在对象的至少一部分被遮挡的状态下估计对象被遮挡之前的长度的坐标，并且包括对象被遮挡之前的长度方向上的两端点中的至少一个点的坐标信息。
[0025]所述处理器可以被配置为：基于边界框的纵横比小于基准纵横比来确定遮挡对象，基于遮挡对象是人确定遮挡对象的边界框仅包括人体的头部区域，从头部区域的坐标值估计人体的脚尖坐标，并且计算人体的整个身体的长度。
[0026]所述处理器可以被配置为：估计将包括所述头部区域的所述边界框的中心坐标值中的Y坐标值与所述边界框的垂直长度的整数倍相加的结果作为所述人体的脚尖坐标，其中，所述整数倍的整数值是将预定的所述基准纵横比与考虑了所述图像获取单元的灵敏度的值相加的值。
[0027]所述处理器可以被配置为：识别检测到的人体的性别，根据所述图像获取单元的校准信息基于包括头部区域的边界框的二维中心坐标值和根据性别预先确定的人体身高值，构建人体的三维坐标值，从三维坐标值获取脚尖的三维坐标值，并且通过基于所述图像获取单元的校准信息将脚尖的三维坐标值转换为二维中心坐标值来估计所述人体的脚尖坐标。
[0028]根据本公开的另一实施例的监控相机包括：图像获取单元；以及处理器，被配置为基于指示来自通过所述图像获取单元获取的图像的对象检测结果的边界框的纵横比小于预定的基准纵横比来确本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种图像处理设备，包括：图像获取单元；以及处理器，被配置为基于指示来自通过所述图像获取单元获取的图像的对象检测结果的边界框的纵横比小于预定的基准纵横比来确定对象的至少一部分被遮挡，并且根据边界框的坐标信息来估计所述对象的基准坐标，其中，不同的纵横比根据所述对象的类型和属性中的至少一个而被应用于所述基准纵横比。2.如权利要求1所述的图像处理设备，其中，所述对象的类型包括人、动物和车辆中的至少一个，并且其中，所述对象的属性包括在相同类型的对象之中能够分类为不同类别的特征。3.如权利要求1所述的图像处理设备，其中，所述基准坐标是用于在所述对象的至少一部分被遮挡的状态下估计所述对象被遮挡之前的长度的坐标，并且包括所述对象被遮挡之前的长度方向上的两端点中的至少一个点的坐标信息。4.如权利要求1所述的图像处理设备，其中，所述处理器被配置为：通过使用深度学习算法检测所述图像中的对象，对检测到的对象的类型或属性进行分类，并基于检测到的所述对象的所分类的类型或属性将边界框的纵横比与预定的基准纵横比进行比较。5.如权利要求1所述的图像处理设备，其中，预定的基准纵横比根据所述图像获取单元的安装角度来改变。6.如权利要求1所述的图像处理设备，其中，在所述对象的类型是人体并且边界框的纵横比小于所述基准纵横比的情况下，所述处理器被配置为：确定边界框包括所述人体的头部区域，从头部区域的坐标值估计人体的脚尖坐标，并且计算人体的整个身体的长度。7.如权利要求4所述的图像处理设备，其中，所述处理器被配置为：估计将包括头部区域的边界框的中心坐标值中的Y坐标值与边界框的垂直长度的整数倍相加的结果作为人体的脚尖坐标，其中，所述整数倍的整数值是将预定的基准纵横比与考虑了所述图像获取单元的灵敏度的值相加的值。8.如权利要求1所述的图像处理设备，其中，所述处理器被配置为：在通过所述图像获取单元检测到的至少两个对象中的至少一个对象被检测为遮挡对象的情况下，通过将基准坐标应用于所述遮挡对象来测量所述至少两个对象之间的实际距离。9.如权利要求6所述的图像处理设备，其中，
所述处理器被配置为：根据所述图像获取单元的校准信息基于包括头部区域的边界框的二维中心坐标值和人体的身高值，构建人体的三维坐标值，从所述三维坐标值获取脚尖的三维坐标值，并且通过基于所述图像获取单元的校准信息将所述脚尖的三维坐标值转换为二维中心坐标值来估计所述人体的脚尖坐标。10.如权利要求1所述的图像处理装置，其中，所述处理器被配置为：估计至少一个遮挡对象的基准坐标，基于估计的基准坐标生成所述至少一个遮挡对象的校正的边界框，并且生成校正的边界框的坐标信息作为用于对对象进行分类的深度学习模型的输入数据。11.一种用于控制图像处理设备的方法，所述方法包括如下步骤：从通过图像处理设备的图像获取单元获取的图像中检测对象；将指示对象的检测结果的边界框的纵横比与预定的基准纵横比进行比较；以及基于边界框的纵横比小于预定的基准纵横比来确定对象的至少一部分被遮挡，并且基于边界框的坐...
【专利技术属性】
技术研发人员：孙灿永，金佳英，
申请(专利权)人：韩华泰科株式会社，
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。