CN110853094A - 一种目标位置的阈值确定方法、装置、设备及存储介质 - Google Patents
一种目标位置的阈值确定方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN110853094A CN110853094A CN201910963473.4A CN201910963473A CN110853094A CN 110853094 A CN110853094 A CN 110853094A CN 201910963473 A CN201910963473 A CN 201910963473A CN 110853094 A CN110853094 A CN 110853094A
- Authority
- CN
- China
- Prior art keywords
- sub
- threshold
- region
- target position
- coordinates
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种目标位置的阈值确定方法、装置、设备及存储介质,其中目标位置的阈值确定方法包括以下步骤:获取目标位置在图像中的坐标;确定所述目标位置在所述图像中所处的子区域;利用所述坐标、及与所述子区域相对应的坐标与阈值之间的关系计算所述目标位置的阈值。利用本发明的技术方案,对于目标位置的阈值通过一个相对较小的区域的坐标与阈值之间的关系进行计算,使得计算得到的阈值更加精确,更趋近于非线性最优解。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及一种目标位置的阈值确定方法、装置、设备及存储介质。
背景技术
在图像跟踪定位算法中,经常会对图像中的对应位置设置判断阈值。某些阈值通常不是全局阈值,而与图像坐标相关。例如图像为摄像机获取的俯视某空间的图像时,而阈值是判定某运动目标是否为有效的像素面积(属于该目标的像素点数量)阈值。则此阈值将受到透视原理影响,图像中距离摄像机越远的目标像素面积越小,距离越近的像素面积越大。
再例如,设置图像中如果出现面积大于100像素的点的目标,则视为有效目标,对其进行处理。但是由于透视原理,同样大小的目标在距离摄像机较远的位置成像面积更小,在较近的位置则成像面积更大。全局阈值将引入近距离的干扰或是排除远距离有效目标。且受到摄像机对远距离目标成像、分辨率限制等问题,使得图像中目标的大小与其在图像中的位置呈现非线性关系,且与摄像机拍摄角度、镜头特性、现场环境等相关,因此很难准确估算该阈值。
目前,一般会采用以下三种方法进行阈值估算。方法1:对图像中相对摄像机较远的点设置较小的阈值,较近的点设置交大的阈值,处于中间位置的点,通过大小两个阈值进行线性插值估算。方法2:在图像中设置4个阈值,例如对某个房间进行俯视时,对房间的4个角设置4个阈值,然后对图像中的其它位置进行线性插值进行阈值估计。方法3:在图像中标记若干个识别区域,对每个区域设置独立的阈值。
现有的方法1和方法2首先设置少量的几个阈值,然后通过插值算法进行估算,难以拟合目标的真实特征,精确度仍然非常差,容易造成大量错识和误视。而方法3仅适用于识别区域小,识别区域数量少的情况,当识别区域变大时,其精确度也会变差;当识别区域数量变多时,设置工作难度大,且现场位置环境变化时,需要重新设置。
发明内容
有鉴于此,本发明实施例提供了一种目标位置的阈值确定方法、装置、设备及存储介质,以解决现有技术中得到的阈值精度差的问题。
根据第一方面,本发明实施例提供了一种目标位置的阈值确定方法,包括以下步骤:
获取目标位置在图像中的坐标;
确定所述目标位置在所述图像中所处的子区域;
利用所述坐标、及与所述子区域相对应的坐标与阈值之间的关系计算所述目标位置的阈值。
本发明实施例提供的目标位置的阈值确定方法,通过获取目标位置在图像中的坐标,确定所述目标位置在所述图像中所处的子区域;利用所述坐标、及与所述子区域相对应的坐标与阈值之间的关系计算所述目标位置的阈值,对于目标位置的阈值通过一个相对较小的区域的坐标与阈值之间的关系进行计算,使得计算得到的阈值更加精确,更趋近于非线性最优解。
结合第一方面,在第一方面第一实施方式中,在确定所述目标位置在所述图像中所处的子区域之前,还包括:
在所述图像中选取位置点;
当选取的位置点的个数为奇数时,以所述位置点为顶点构成子区域;
当选取的位置点的个数为偶数时,以所述位置点为顶点构成子区域;或利用选取的位置点为顶点构成多边形,分别获取所述多边形的每条边的中点,以选取的位置点及所述中点为顶点构成子区域。
结合第一方面第一实施方式,在第一方面第二实施方式中,确定所述目标位置在所述图像中所处的子区域包括:
分别对每个所述子区域填充预设的灰度值,生成单通道图片;
获取所述坐标在任一单通道图片中的灰度值,当获取的灰度值与所述预设的灰度值相同时,则判定所述目标位置位于与该单通道图片相对应的子区域;遍历所述单通道图片,得到所述目标位置所处的子区域。
结合第一方面第一实施方式,在第一方面第三实施方式中,当所述多边形为等腰梯形或正多边形时,所述确定所述目标位置在所述图像中所处的子区域包括:
分别连接所述等腰梯形或正多边形相对边的中点,得到中点连线;
获取所述至少两个中点连线的交点;
计算由所述目标位置到所述交点的向量值,得到第一向量;
计算所述第一向量与任一子区域的一条边的向量值的点乘,得到第一乘积,计算所述第一向量与该子区域的另一条边的向量值的点乘,得到第二乘积;其中所述一条边与所述另一条边的向量终点均为所述交点;
判断所述第一乘积与所述第二乘积异号是否异号,当不异号时,继续计算所述第一向量与下一个子区域两条边的向量的点乘;
当所述第一乘积与所述第二乘积异号时,判定所述目标位置位于所述子区域。
结合第一方面至第一方面第三实施方式,在第一方面第四实施方式中,在利用所述坐标、及与所述子区域相对应的坐标与阈值之间的关系计算所述目标位置的阈值之前,还包括:
获取所述子区域的顶点坐标;
分别确定与每个顶点坐标相匹配的阈值;
利用每个顶点坐标、及与每个顶点坐标相匹配的阈值进行计算,得到与所述子区域相对应的坐标与阈值之间的关系。
结合第一方面第四实施方式,在第一方面第五实施方式中,当所述子区域的顶点为所述等腰梯形或正多边形的任意一条边的中点时,所述确定与该顶点坐标相匹配的阈值包括:
确定该顶点所处的边的两个端点,分别获取与所述两个端点相对应的两个阈值;
将所述两个阈值的平均值作为该顶点的阈值;
当所述子区域的任一顶点为所述等腰梯形或正多边形的中点连线的交点时,所述确定与该顶点坐标相匹配的阈值包括:
分别获取与所述等腰梯形或正多边形的顶点对应的各阈值;
将所述各阈值的平均值作为该顶点的阈值。
结合第一方面,在第一方面第六实施方式中,当所述目标位置在所述图像中所处的子区域为多个时,利用所述坐标、及与所述子区域相对应的坐标与阈值之间的关系计算所述目标位置的阈值,包括:
分别利用所述坐标、及与各子区域相对应的坐标与阈值之间的关系进行计算,得到多个阈值;
对所述多个阈值求平均值,得到所述目标位置的阈值。
根据第二方面,本发明实施例提供了一种目标位置的阈值估算装置,包括:
坐标获取模块,用于获取目标位置在图像中的坐标;
子区域确定模块,用于确定所述目标位置在所述图像中所处的子区域;
计算模块,用于利用所述坐标、及与所述子区域相对应的坐标与阈值之间的关系计算所述目标位置的阈值。
根据第三方面,本发明实施例提供了一种电子设备,包括:存储器和处理器,所述存储器和所述处理器之间互相通信连接,所述存储器中存储有计算机指令,所述处理器通过执行所述计算机指令,从而执行第一方面或者第一方面的任意一种实施方式中所述的目标位置的阈值确定方法。
根据第四方面,本发明实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储计算机指令,所述计算机指令用于使所述计算机执行第一方面或者第一方面的任意一种实施方式中所述的目标位置的阈值确定方法。
附图说明
通过参考附图会更加清楚的理解本发明的特征和优点,附图是示意性的而不应理解为对本发明进行任何限制,在附图中:
图1为本发明实施例1中目标位置阈值确定方法的流程示意图;
图2为本发明实施例2中目标位置阈值确定方法的流程示意图;
图3为本发明实施例2中一具体示例的各个子区域的示意图;
图4为本发明实施例2中一个单通道图片的示意图;
图5为本发明实施例2中另一个单通道图片的示意图;
图6为本发明实施例2中再一个单通道图片的示意图
图7为本发明实施例3中目标位置阈值确定方法的流程示意图;
图8为本发明实施例3中一具体示例的各个子区域的示意图;
图9为本发明实施例4中目标位置阈值估算装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例1
本发明实施例1提供了一种目标位置的阈值确定方法。图1为本发明实施例1中目标位置阈值确定方法的流程示意图,如图1所示,本发明实施例1的目标位置阈值确定方法包括以下步骤:
S101:获取目标位置在图像中的坐标。
S102:确定目标位置在图像中所处的子区域。
进一步的,在确定目标位置在图像中所处的子区域之前,还包括:在图像中选取位置点;当选取的位置点的个数为奇数时,以位置点为顶点构成子区域;当选取的位置点的个数为偶数时,以位置点为顶点构成子区域;或利用选取的位置点为顶点构成多边形,分别获取多边形的每条边的中点,以选取的位置点及中点为顶点构成子区域。
作为一个具体的实施方式,通过在图像中选取至少三个点,将图像分为若干个子区域。示例的,子区域为三角形区域。
S103:利用坐标及与子区域相对应的坐标与阈值之间的关系计算目标位置的阈值。
在本发明实施例1中,对于每一个子区域都有其对应的坐标与阈值之间的关系。
作为一个具体的实施方式,将与该目标位置所处的子区域相对应的坐标与阈值之间的关系与目标位置的坐标相乘,即可得到目标位置的阈值。
本发明实施例1提供的目标位置的阈值确定方法,通过获取目标位置在图像中的坐标,确定目标位置在图像中所处的子区域;利用坐标、及与子区域相对应的坐标与阈值之间的关系计算目标位置的阈值,对于目标位置的阈值通过一个相对较小的区域的坐标与阈值之间的关系进行计算,使得计算得到的阈值更加精确,更趋近于非线性最优解。
实施例2
本发明实施例2提供了一种目标位置的阈值确定方法。图2为本发明实施例2中目标位置阈值确定方法的流程示意图,如图2所示,本发明实施例2的目标位置阈值确定方法包括以下步骤:
S201:在图像中选取奇数个位置点,利用位置点为顶点构成子区域。
作为一个具体的实施方式,选取的点的个数为5个。图3为本发明实施例2中一具体示例的各个子区域的示意图,如图3所示,在图像中选取5个点A、B、C、D、E,上述5个点将图像分为10个子区域。
S202:针对每个子区域,获取该子区域的顶点坐标,分别确定与每个顶点坐标相匹配的阈值,利用每个顶点坐标、及与每个顶点坐标相匹配的阈值进行计算,得到与该子区域相对应的坐标与阈值之间的关系;遍历所有的子区域,得到与每个子区域相对应的坐标与阈值之间的关系。
在本发明实施例中,与每个顶点坐标相匹配的阈值为预设值,可以根据先验经验进行设定,也可以根据其他已有的知识进行设定,本发明对此不作限定。
S203:获取目标位置在图像中的坐标。
S204:确定目标位置在图像中所处的子区域,并得到与目标位置所处的子区域相对应的坐标与阈值之间的关系。
作为一个具体的实施方式,确定目标位置在图像中所处的子区域包括:分别对每个子区域填充预设的灰度值,生成多个单通道图片;获取坐标在任一单通道图片中的灰度值,当获取的灰度值与预设的灰度值相同时,则判定目标位置位于与该单通道图片相对应的子区域;遍历单通道图片,得到目标位置所处的子区域。采用上述技术方案,可以快速准确的确定目标位置在图像中所处的子区域。
示例的,对于图3所示的各个子区域,为了确定目标位置落在哪一个三角形区域内,生成10个单通道图片(每个像素点只有灰度信息),记为M1,M2,M3……M10。图4为本发明实施例2中一个单通道图片的示意图;图5为本发明实施例2中另一个单通道图片的示意图;图6为本发明实施例2中再一个单通道图片的示意图。如图4~图6所示,每个图片对应的三角形区域内的像素值为255,其它所有区域内的像素值为0。对于给定点P(x,y),遍历10个图片,获取(x,y)的灰度值,当灰度值为255,则表示P点落在了对应的三角形区域内。把灰度值为255的图片id记录在队列,对应的就是点P落在的三角形区域队列。
S205:利用坐标、及与目标位置所处的子区域相对应的坐标与阈值之间的关系计算目标位置的阈值。
作为一个具体的实施方式,当目标位置在图像中所处的子区域为多个时,利用坐标、及与子区域相对应的坐标与阈值之间的关系计算目标位置的阈值,包括:分别利用坐标、及与各子区域相对应的坐标与阈值之间的关系进行计算,得到多个阈值;对多个阈值求平均值,得到目标位置的阈值。这样可以使得得到的目标位置的阈值更加准确。
本发明实施例2采用的三角形小区域分割,小区域内线性估计的方法,更能找到最优解,且计算量小。
实施例3
本发明实施例3提供了一种目标位置的阈值确定方法。图7为本发明实施例3中目标位置阈值确定方法的流程示意图,如图7所示,本发明实施例3的目标位置阈值确定方法包括以下步骤:
S701:在图像中选取偶数个位置点,利用选取的位置点为顶点构成多边形,分别获取多边形的每条边的中点,以选取的位置点及中点为顶点构成子区域。
作为一个具体的实施方式,选取的点的个数为4个。图8为本发明实施例3中一具体示例的各个子区域的示意图,如图8所示,在图像中选取5个点A、B、C、D,上述5个点将图像分为8个子区域。将图像分为8个子区域可采用如下步骤:
(1)空间标定:在图像中,手动标定拍摄空间的边界的4个位置点,4个位置点在画面中连接成4边形。4个位置点在实际空间中通常形成矩形,且该区域即是目标可能出现的区域,在该区域外,一般不做目标检测。而由于透视原理,该区域在图像中通常呈现梯形,记该区域为M。标记这4个位置点为(A,B,C,D)。
(2)为步骤一中选定的4个位置点设置阈值。设置可以通过实验,参照每个位置点出现的目标的实际特征,进行估计。例如在进行人体目标检测时,设置的阈值为人体目标大小,可以实测人体出现在对应4个位置点时的大小,进行估计。通常选取实测大小值的60%到80%为阈值。记4个位置点的阈值为:Ta、Tb、Tc、Td。
(3)标记步骤一中定位的四边形的4个边的中点为AB、BC,CD,DA,以及4个中点连线的交点O。
(4)连接AO,DO,CO,BO,和原有的连线,将整个画面分为了8个区域,分别标记为(S1,S2,S3,S4,S5,S6,S7,S8)。
S702:针对每个子区域,获取该子区域的顶点坐标,分别确定与每个顶点坐标相匹配的阈值,利用每个顶点坐标、及与每个顶点坐标相匹配的阈值进行计算,得到与该子区域相对应的坐标与阈值之间的关系;遍历所有的子区域,得到与每个子区域相对应的坐标与阈值之间的关系。
作为一个具体的实施方式,当子区域的顶点为等腰梯形或正多边形的任意一条边的中点时,确定与该顶点坐标相匹配的阈值包括:确定该顶点所处的边的两个端点,分别获取与两个端点相对应的两个阈值;将两个阈值的平均值作为该顶点的阈值。当子区域的任一顶点为等腰梯形或正多边形的中点连线的交点时,确定与该顶点坐标相匹配的阈值包括:分别获取与等腰梯形或正多边形的顶点对应的各阈值;将各阈值的平均值作为该顶点的阈值。
示例的,如图8所示,对于子区域S1,其一个顶点DA为等腰梯形的边AD的中点,在等腰梯形中A点和D点的阈值Ta和Td可以根据先验经验进行设置,而DA点的阈值Tda则可以根据A点和D点的阈值Ta和Td进行计算,具体的,Tda=(Td+Ta)/2。同理,Tab=(Ta+Tb)/2;Tbc=(Tb+Tc)/2;Tcd=(Tc+Td)/2。也就是说,等腰梯形四个顶点A,B,C,D的阈值可以根据先验经验进行设置,而4个边的中点为AB、BC,CD,DA的阈值可以利用公式进行计算。示例的,在设置四个顶点A,B,C,D的阈值时,可以参照每个位置出现的目标的实际特征,进行估计。例如在进行人体目标检测时,设置的阈值为人体目标大小,可以实测人体出现在对应4个位置时的大小,进行估计。通常选取实测大小值的60%到80%为阈值。
示例的,如图8所示,对于子区域S1,其一个顶点O为等腰梯形边的中点连线DA-BD和中点连线AB-CD的交点O。O点的阈值To可以根据等腰梯形各个顶点的阈值进行计算,具体的,To=(Ta+Tb+Tc+Td)/4。
由此可见,本发明实施例可以仅设置等腰梯形或正多边形的顶点的阈值,而其他的点的阈值可以利用公式进行计算,简化了阈值设置工作;相较于现有的高密度手动设置阈值网格,提高了设置效率。
进一步的,在计算得到AB,BD,CD,DC,O点的阈值之后,还可以通过实验进行验证,如果验证通过则进入下一步;如果验证效果不佳,则手动调整对应点的阈值,直到通过验证,进入下一步。
S703:获取目标位置在图像中的坐标。
S704:确定目标位置在图像中所处的子区域,并得到与目标位置所处的子区域相对应的坐标与阈值之间的关系。
作为一个具体的实施方式,确定目标位置在图像中所处的子区域包括:
分别连接等腰梯形或正多边形相对的两条边的中点,得到至少两个中点连线;
获取至少两个中点连线的交点;
计算由目标位置到交点的向量值,得到第一向量;
计算第一向量与任一子区域的一条边的向量值的点乘,得到第一乘积,计算第一向量与该子区域的另一条边的向量值的点乘,得到第二乘积;其中一条边与另一条边的向量终点均为交点;
判断第一乘积与第二乘积异号是否异号,当不是异号时,继续计算第一向量与下一个子区域两条边的向量的点乘;
当第一乘积与第二乘积异号时,判定目标位置位于该子区域。
示例的,如图8所示,对于图像中区域M内的任意一点P,判断其所在的小区域的方法为:1.计算所有由中心O点连线的向量值;2.计算PO向量值;3.遍历计算PO与8个小区域的边界的向量点乘,例如小区域1,计算PO与AO的点乘和PO与DAO向量的点乘。如果两点乘异号则P点在该区域,则跳出遍历。
确定P点所在子区域后,假设在子区域中的各点阈值,是由该区域的3个顶点的阈值决定的。如果P属于子区域S1即存在函数f(Ta,Tda,To)=Tp。记P所在小区域的3个定点的坐标分别为(X1,Y1),(X2,Y2),(X3,Y3),它们对应的3个阈值分别为T1,T2,T3。假设该区域位置与阈值的关系为线性关系则有:
其中a,b,c则为该区域坐标与阈值之间的关系。通过对该线性方程式组进行求解,可以得到(a,b,c)值。
作为另一具体实施方式,确定目标位置在图像中所处的子区域也可以采用如下技术方案:分别对每个子区域填充预设的灰度值,生成多个单通道图片;获取坐标在任一单通道图片中的灰度值,当获取的灰度值与预设的灰度值相同时,则判定目标位置位于与该单通道图片相对应的子区域;遍历单通道图片,得到目标位置所处的子区域。
S705:利用坐标、及与目标位置所处的子区域相对应的坐标与阈值之间的关系计算目标位置的阈值。
示例的,假设图像中区域M内的任意一点P属于子区域S1,则P点(Xp,Yp)的阈值为:
本发明实施例3采用的三角形小区域分割,小区域内线性估计的方法,更能找到最优解,且计算量小。
实施例4
本发明实施例4提供了一种目标位置的阈值估算装置。图9为本发明实施例4中目标位置阈值估算装置的结构示意图,如图9所示,本发明实施例4的目标位置阈值估算装置包括坐标获取模块90、子区域确定模块92及计算模块94。
具体的,坐标获取模块90,用于获取目标位置在图像中的坐标;
子区域确定模块92,用于确定目标位置在图像中所处的子区域;
计算模块94,用于利用坐标、及与子区域相对应的坐标与阈值之间的关系计算目标位置的阈值。
本发明实施例4提供的目标位置的阈值估算装置可以实现本发明实施例1~3的目标位置的阈值估算方法,在此不再赘述。
本发明实施例4提供的目标位置的阈值确定装置,通过获取目标位置在图像中的坐标,确定目标位置在图像中所处的子区域;利用坐标、及与子区域相对应的坐标与阈值之间的关系计算目标位置的阈值,对于目标位置的阈值通过一个相对较小的区域的坐标与阈值之间的关系进行计算,使得计算得到的阈值更趋近于非线性最优解,得到的阈值更加精确。
实施例5
本发明实施例还提供了一种电子设备,该电子设备可以包括处理器和存储器,其中处理器和存储器可以通过总线或者其他方式连接。
处理器可以为中央处理器(Central Processing Unit,CPU)。处理器还可以为其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片,或者上述各类芯片的组合。
存储器作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块,如本发明实施例中的目标位置的阈值确定方法对应的程序指令/模块(例如,图9所示的坐标获取模块90、子区域确定模块92及计算模块94)。处理器通过运行存储在存储器中的非暂态软件程序、指令以及模块,从而执行处理器的各种功能应用以及数据处理,即实现上述方法实施例中的目标位置的阈值确定方法。
存储器可以包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需要的应用程序;存储数据区可存储处理器所创建的数据等。此外,存储器可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中,存储器可选包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
一个或者多个模块存储在存储器中,当被处理器执行时,执行如图1-6所示实施例中的目标位置的阈值确定方法。
上述电子设备具体细节可以对应参阅图1至图8所示的实施例中对应的相关描述和效果进行理解,此处不再赘述。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如单元的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种目标位置的阈值确定方法,其特征在于,包括:
获取目标位置在图像中的坐标;
确定所述目标位置在所述图像中所处的子区域;
利用所述坐标、及与所述子区域相对应的坐标与阈值之间的关系计算所述目标位置的阈值。
2.根据权利要求1所述的阈值确定方法,其特征在于,在确定所述目标位置在所述图像中所处的子区域之前,还包括:
在所述图像中选取位置点;
当选取的位置点的个数为奇数时,以所述位置点为顶点构成子区域;
当选取的位置点的个数为偶数时,以所述位置点为顶点构成子区域;或利用选取的位置点为顶点构成多边形,分别获取所述多边形的每条边的中点,以选取的位置点及所述中点为顶点构成子区域。
3.根据权利要求2所述的阈值确定方法,其特征在于,确定所述目标位置在所述图像中所处的子区域包括:
分别对每个所述子区域填充预设的灰度值,生成单通道图片;
获取所述坐标在任一单通道图片中的灰度值,当获取的灰度值与所述预设的灰度值相同时,则判定所述目标位置位于与该单通道图片相对应的子区域;遍历所述单通道图片,得到所述目标位置所处的子区域。
4.根据权利要求2所述的阈值确定方法,其特征在于,当所述多边形为等腰梯形或正多边形时,所述确定所述目标位置在所述图像中所处的子区域包括:
分别连接所述等腰梯形或正多边形相对边的中点,得到中点连线;
获取所述至少两个中点连线的交点;
计算由所述目标位置到所述交点的向量值,得到第一向量;
计算所述第一向量与任一子区域的一条边的向量值的点乘,得到第一乘积,计算所述第一向量与该子区域的另一条边的向量值的点乘,得到第二乘积;其中所述一条边与所述另一条边的向量终点均为所述交点;
判断所述第一乘积与所述第二乘积异号是否异号,当不异号时,继续计算所述第一向量与下一个子区域两条边的向量的点乘;
当所述第一乘积与所述第二乘积异号时,判定所述目标位置位于所述子区域。
5.根据权利要求1~4任一项所述的阈值确定方法,其特征在于,在利用所述坐标、及与所述子区域相对应的坐标与阈值之间的关系计算所述目标位置的阈值之前,还包括:
获取所述子区域的顶点坐标;
分别确定与每个顶点坐标相匹配的阈值;
利用每个顶点坐标、及与每个顶点坐标相匹配的阈值进行计算,得到与所述子区域相对应的坐标与阈值之间的关系。
6.根据权利要求5所述的阈值确定方法,其特征在于:
当所述子区域的顶点为所述等腰梯形或正多边形的任意一条边的中点时,所述确定与该顶点坐标相匹配的阈值包括:
确定该顶点所处的边的两个端点,分别获取与所述两个端点相对应的两个阈值;
将所述两个阈值的平均值作为该顶点的阈值;
当所述子区域的任一顶点为所述等腰梯形或正多边形的中点连线的交点时,所述确定与该顶点坐标相匹配的阈值包括:
分别获取与所述等腰梯形或正多边形的顶点对应的各阈值;
将所述各阈值的平均值作为该顶点的阈值。
7.根据权利要求1所述的阈值确定方法,其特征在于,当所述目标位置在所述图像中所处的子区域为多个时,利用所述坐标、及与所述子区域相对应的坐标与阈值之间的关系计算所述目标位置的阈值,包括:
分别利用所述坐标、及与各子区域相对应的坐标与阈值之间的关系进行计算,得到多个阈值;
对所述多个阈值求平均值,得到所述目标位置的阈值。
8.一种目标位置的阈值估算装置,其特征在于,包括:
坐标获取模块,用于获取目标位置在图像中的坐标;
子区域确定模块,用于确定所述目标位置在所述图像中所处的子区域;
计算模块,用于利用所述坐标、及与所述子区域相对应的坐标与阈值之间的关系计算所述目标位置的阈值。
9.一种电子设备,其特征在于,包括:
存储器和处理器,所述存储器和所述处理器之间互相通信连接,所述存储器中存储有计算机指令,所述处理器通过执行所述计算机指令,从而执行权利要求1-7中任一项所述的目标位置的阈值确定方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使所述计算机执行权利要求1-7中任一项所述的目标位置的阈值确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910963473.4A CN110853094B (zh) | 2019-10-11 | 2019-10-11 | 一种目标位置的阈值确定方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910963473.4A CN110853094B (zh) | 2019-10-11 | 2019-10-11 | 一种目标位置的阈值确定方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110853094A true CN110853094A (zh) | 2020-02-28 |
CN110853094B CN110853094B (zh) | 2020-12-29 |
Family
ID=69597848
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910963473.4A Active CN110853094B (zh) | 2019-10-11 | 2019-10-11 | 一种目标位置的阈值确定方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110853094B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111563511A (zh) * | 2020-04-30 | 2020-08-21 | 广东小天才科技有限公司 | 一种智能框题的方法、装置、电子设备及存储介质 |
CN111859001A (zh) * | 2020-07-06 | 2020-10-30 | Oppo(重庆)智能科技有限公司 | 图像相似度检测方法、装置、存储介质与电子设备 |
CN113822799A (zh) * | 2020-06-19 | 2021-12-21 | 南宁富桂精密工业有限公司 | 图像放大方法、装置及计算器可读存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20010031920A1 (en) * | 1999-06-29 | 2001-10-18 | The Research Foundation Of State University Of New York | System and method for performing a three-dimensional virtual examination of objects, such as internal organs |
CN103345618A (zh) * | 2013-06-21 | 2013-10-09 | 银江股份有限公司 | 一种基于视频技术的交通违章检测方法 |
CN105608708A (zh) * | 2016-03-02 | 2016-05-25 | 浙江宇视科技有限公司 | 基于分块平面拟合的图像二值化方法及装置 |
CN109002823A (zh) * | 2018-08-09 | 2018-12-14 | 歌尔科技有限公司 | 一种感应区区域确定方法、装置、设备及可读存储介质 |
-
2019
- 2019-10-11 CN CN201910963473.4A patent/CN110853094B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20010031920A1 (en) * | 1999-06-29 | 2001-10-18 | The Research Foundation Of State University Of New York | System and method for performing a three-dimensional virtual examination of objects, such as internal organs |
CN103345618A (zh) * | 2013-06-21 | 2013-10-09 | 银江股份有限公司 | 一种基于视频技术的交通违章检测方法 |
CN105608708A (zh) * | 2016-03-02 | 2016-05-25 | 浙江宇视科技有限公司 | 基于分块平面拟合的图像二值化方法及装置 |
CN109002823A (zh) * | 2018-08-09 | 2018-12-14 | 歌尔科技有限公司 | 一种感应区区域确定方法、装置、设备及可读存储介质 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111563511A (zh) * | 2020-04-30 | 2020-08-21 | 广东小天才科技有限公司 | 一种智能框题的方法、装置、电子设备及存储介质 |
CN111563511B (zh) * | 2020-04-30 | 2023-11-14 | 广东小天才科技有限公司 | 一种智能框题的方法、装置、电子设备及存储介质 |
CN113822799A (zh) * | 2020-06-19 | 2021-12-21 | 南宁富桂精密工业有限公司 | 图像放大方法、装置及计算器可读存储介质 |
CN111859001A (zh) * | 2020-07-06 | 2020-10-30 | Oppo(重庆)智能科技有限公司 | 图像相似度检测方法、装置、存储介质与电子设备 |
CN111859001B (zh) * | 2020-07-06 | 2022-05-31 | Oppo(重庆)智能科技有限公司 | 图像相似度检测方法、装置、存储介质与电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN110853094B (zh) | 2020-12-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110853094B (zh) | 一种目标位置的阈值确定方法、装置、设备及存储介质 | |
CN111179358B (zh) | 标定方法、装置、设备及存储介质 | |
US10176554B2 (en) | Camera calibration using synthetic images | |
AU2015224418B2 (en) | Three-dimensional coordinate computing apparatus, three-dimensional coordinate computing method, and non-transitory computer readable recording medium having therein program for three-dimensional coordinate computing | |
CN109166077B (zh) | 图像对齐方法、装置、可读存储介质及计算机设备 | |
US20140253679A1 (en) | Depth measurement quality enhancement | |
CN112288826B (zh) | 双目相机的标定方法、装置及终端 | |
CN111311482B (zh) | 背景虚化方法、装置、终端设备及存储介质 | |
JP5773436B2 (ja) | 情報端末装置 | |
US9367920B2 (en) | Method and apparatus for processing images | |
CN110807803B (zh) | 一种摄像机定位方法、装置、设备及存储介质 | |
WO2017091927A1 (zh) | 图像处理方法和双摄像头*** | |
CN114387347B (zh) | 确定外参标定的方法、装置、电子设备及介质 | |
JP2017011328A (ja) | 画像処理装置、画像処理方法および画像処理プログラム | |
CN113465573A (zh) | 单目测距方法、装置及智能装置 | |
CN113763478A (zh) | 无人车相机标定方法、装置、设备、存储介质及*** | |
CN117522963A (zh) | 棋盘格的角点定位方法、装置、存储介质及电子设备 | |
CN111553969B (zh) | 一种基于梯度域的纹理映射方法、介质、终端和装置 | |
CN116977671A (zh) | 基于图像空间定位的目标跟踪方法、装置、设备及存储介质 | |
Ai et al. | A method for correcting non-linear geometric distortion in ultra-wide-angle imaging system | |
JP2009146150A (ja) | 特徴位置検出方法及び特徴位置検出装置 | |
EP3839882B1 (en) | Radiometric correction in image mosaicing | |
CN117115434A (zh) | 数据分割装置和方法 | |
Cui et al. | Registration and integration algorithm in structured light three-dimensional scanning based on scale-invariant feature matching of multi-source images | |
CN114727073A (zh) | 一种图像的投影方法、装置、可读存储介质及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CP03 | Change of name, title or address | ||
CP03 | Change of name, title or address |
Address after: 247100 workshop C2, science and Technology Incubation Park, Jiangnan industrial concentration zone, Chizhou City, Anhui Province Patentee after: Anhui Wenxiang Technology Co.,Ltd. Address before: 100176 11th floor, block B, AVIC Plaza, 15 ronghua South Road, economic and Technological Development Zone, Daxing District, Beijing Patentee before: BEIJING WENXIANG INFORMATION TECHNOLOGY Co.,Ltd. |