【技术实现步骤摘要】
本申请涉及机器学习，具体而言，涉及一种目标对象的体长检测方法及装置。
技术介绍
1、目前，基于视频图像和目标检测等算法的自动化监测系统已经广泛应用于生活中的多个领域。在智慧养殖领域，常使用深度学习技术对生猪进行计数、测量任务。目前常见的目标检测算法可以对图像中存在的目标进行检测定位并对目标类别进行分类，完成计数任务，但因为养殖舍内摄像头角度不固定、生猪身体动作和角度变化大等问题无法完成体长测量工作。为了使用图像方法测量生猪体长，需要使用图像分割方法，来将生猪图像进行像素级的分类，但图像分割方法存在标注成本高、对摄像头角度要求高、目标遮挡时准确度低的问题。除此之外，还有基于关键点检测的生猪体长检测方法，通过检测猪背上的多个关键点并将各个关键点串联，最终估算生猪长度，但存在关键点定位误差大、光线和角度影响大、受遮挡影响严重的问题。上述几种方法在实施过程中由于目标与摄像头的距离会影响判断结果，最终会设定标志物作为参考或者直接固定摄像头高度，普适性较差。
2、针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
1、本申请实施例提供了一种目标对象的体长检测方法及装置，以至少解决相关技术中受摄像头角度等条件限制而无法简单高效地根据图像计算目标对象体长的技术问题。
2、根据本申请实施例的一个方面，提供了一种目标对象的体长检测方法，包括：获取待检测的第一图像；对第一图像进行预处理，得到第二图像，其中，预处理至少包括：图像外扩处理；利用预训练的目标检测模型对第二图像进
3、可选地，对第一图像进行预处理，得到第二图像，包括：依据第一图像的长度和宽度确定第一图像四周预设大小的待填充区域；在待填充区域内填充预设像素值的像素点，得到第二图像。
4、可选地，目标检测模型中至少包括：特征提取模块、边框预测模块和深度预测模块，利用预训练的目标检测模型对第二图像进行分析处理，得到第二图像中多个第一对象的第一检测框信息和第一深度信息，包括：利用特征提取模块对第二图像进行特征提取，得到第二图像对应的第一特征向量；利用边框预测模块对第一特征向量进行分析处理，得到第二图像中多个第一对象的第一检测框信息，其中，检测框坐标信息中包括：检测框的中心点坐标信息和检测框的宽高信息；利用深度预测模块对第一特征向量进行分析处理，得到第二图像对应的深度图像，并依据深度图像确定第二图像中多个第一对象的第一深度信息，其中，第一深度信息中包括：检测框的中心点与目标图像采集设备的第一距离，目标图像采集设备为采集第一图像的图像采集设备。
5、可选地，目标检测模型的训练过程包括：构建初始检测模型；获取多种采集点位的图像采集设备在多种光照条件下采集的多个第三图像，对每个第三图像进行预处理，得到多个第四图像；确定每个第四图像对应的标注信息，其中，标注信息中包括：第四图像中各个第二对象的第二检测框信息和第二深度信息；利用多个第四图像和标注信息对初始检测模型进行迭代训练，得到目标检测模型。
6、可选地，确定每个第四图像对应的标注信息，包括：对于每个第四图像，获取与采集第四图像的图像采集设备同采集点位且同频的深度数据采集设备采集的第四图像对应的第二深度信息；对于第四图像中的每个第二对象，确定与第二对象身体平行且贴合的矩形检测框，并记录矩形检测框的坐标信息和矩形检测框的长边与水平线之间的旋转角度信息作为第二对象的第二检测框信息。
7、可选地，依据检测框信息和深度信息确定各个第一对象的身体长度，包括：确定实际长度为第一长度的参考对象在第一图像中的第二长度，并确定第一长度与第二长度的比值为映射参数；对于第二图像中的每个第一对象，依据第一对象对应的第一检测框信息、第一深度信息和映射参数确定第一对象的身体长度。
8、可选地，依据第一对象对应的第一检测框信息、第一深度信息和映射参数确定第一对象的身体长度，包括：依据深度图像确定参考对象的中心点与目标图像采集设备的第二距离，并确定第一对象对应的检测框的较长边的第三长度；确定第一距离、第三长度和映射参数的乘积，并确定乘积与第二距离的比值为第一对象的身体长度。
9、根据本申请实施例的另一方面，还提供了一种目标对象的体长检测装置，包括：获取模块，用于获取待检测的第一图像；预处理模块，用于对第一图像进行预处理，得到第二图像，其中，预处理至少包括：图像外扩处理；检测模块，用于利用预训练的目标检测模型对第二图像进行分析处理，得到第二图像中多个第一对象的第一检测框信息和第一深度信息，其中，第一检测框信息中至少包括：检测框坐标信息、检测框相对于水平线的旋转角度信息；确定模块，用于依据第一检测框信息和第一深度信息确定各个第一对象的身体长度。
10、根据本申请实施例的另一方面，还提供了一种非易失性存储介质，该非易失性存储介质包括存储的计算机程序，其中，非易失性存储介质所在设备通过运行该计算机程序执行上述的目标对象的体长检测方法。
11、根据本申请实施例的另一方面，还提供了一种电子设备，该电子设备包括：存储器和处理器，其中，存储器中存储有计算机程序，处理器被配置为通过计算机程序执行上述的目标对象的体长检测方法。
12、在本申请实施例中，在获取待检测的第一图像后，首先对第一图像进行包括图像外扩处理等预处理操作，得到第二图像；然后利用预训练的目标检测模型对第二图像进行分析处理，得到第二图像中多个第一对象的第一检测框信息和第一深度信息，其中，第一检测框信息中至少包括：检测框坐标信息、检测框相对于水平线的旋转角度信息；最后依据第一检测框信息和第一深度信息确定各个第一对象的身体长度。其中，通过引入旋转角度信息，使矩形检测框旋转以更好地贴合目标对象的身体，可以解决传统目标检测中的平行轴矩形框因摄像头角度变化、目标对象躯体形态变化而无法测量体长的问题；同时，通过引入深度预测确定目标对象到摄像头的距离，再和检测框信息一起推算出目标对象的准确长度，可以解决因距离远近带来的不同目标尺度预测不统一的问题。本申请方案可以简单高效地完成目标对象的体长测量工作，同时可以支持任意摄像头角度，有效解决了相关技术中受摄像头角度等条件限制而无法简单高效地根据图像计算目标对象体长的技术问题。
本文档来自技高网...【技术保护点】
1.一种目标对象的体长检测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，对所述第一图像进行预处理，得到第二图像，包括：
3.根据权利要求1所述的方法，其特征在于，所述目标检测模型中至少包括：特征提取模块、边框预测模块和深度预测模块，利用预训练的目标检测模型对所述第二图像进行分析处理，得到所述第二图像中多个第一对象的第一检测框信息和第一深度信息，包括：
4.根据权利要求3所述的方法，其特征在于，所述目标检测模型的训练过程包括：
5.根据权利要求4所述的方法，其特征在于，确定每个所述第四图像对应的标注信息，包括：
6.根据权利要求3所述的方法，其特征在于，依据所述检测框信息和所述深度信息确定各个所述第一对象的身体长度，包括：
7.根据权利要求6所述的方法，其特征在于，依据所述第一对象对应的所述第一检测框信息、所述第一深度信息和所述映射参数确定所述第一对象的身体长度，包括：
8.一种目标对象的体长检测装置，其特征在于，包括：
9.一种非易失性存储介质，其特征在于，所述非
10.一种电子设备，其特征在于，包括：存储器和处理器，其中，所述存储器中存储有计算机程序，所述处理器被配置为通过所述计算机程序执行权利要求1至7中任意一项所述的目标对象的体长检测方法。
...【技术特征摘要】
1.一种目标对象的体长检测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，对所述第一图像进行预处理，得到第二图像，包括：
3.根据权利要求1所述的方法，其特征在于，所述目标检测模型中至少包括：特征提取模块、边框预测模块和深度预测模块，利用预训练的目标检测模型对所述第二图像进行分析处理，得到所述第二图像中多个第一对象的第一检测框信息和第一深度信息，包括：
4.根据权利要求3所述的方法，其特征在于，所述目标检测模型的训练过程包括：
5.根据权利要求4所述的方法，其特征在于，确定每个所述第四图像对应的标注信息，包括：
6.根据权利要求3所述的方法，其特征在于，依据所述检测框信息和所述深度信息...
【专利技术属性】
技术研发人员：宋天源，杨静林，
申请(专利权)人：中国电信股份有限公司，
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。