CN113033483B - 检测目标对象的方法、装置、电子设备和存储介质 - Google Patents
检测目标对象的方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN113033483B CN113033483B CN202110427520.0A CN202110427520A CN113033483B CN 113033483 B CN113033483 B CN 113033483B CN 202110427520 A CN202110427520 A CN 202110427520A CN 113033483 B CN113033483 B CN 113033483B
- Authority
- CN
- China
- Prior art keywords
- detection
- data
- target object
- reference clock
- target
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 85
- 238000001514 detection method Methods 0.000 claims abstract description 467
- 238000012545 processing Methods 0.000 claims abstract description 72
- 230000006399 behavior Effects 0.000 claims abstract description 55
- 230000008569 process Effects 0.000 claims description 20
- 238000012360 testing method Methods 0.000 claims description 7
- 238000013500 data storage Methods 0.000 claims description 4
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 238000013135 deep learning Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 19
- 238000004422 calculation algorithm Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 11
- 238000004590 computer program Methods 0.000 description 10
- 238000007726 management method Methods 0.000 description 8
- 238000005406 washing Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000000926 separation method Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本公开公开了一种检测目标对象的方法、装置、设备和存储介质,应用于人工智能技术领域,具体应用于计算机视觉和深度学习技术领域。检测目标对象的方法的具体实现方案为:获取由多个检测设备采集的数据;针对多个检测设备中每个检测设备采集的数据,采用每个检测设备特有的目标检测模型对数据进行处理,获得针对每个检测设备的检测结果;以及基于针对多个检测设备的检测结果中指示了目标对象的目标检测结果,确定目标对象的行为状态。
Description
技术领域
本公开涉及人工智能技术领域,具体涉及计算机视觉和深度学习技术领域,更具体地涉及一种检测目标对象的方法、装置、电子设备和存储介质。
背景技术
随着计算机视觉技术和物联网技术的快速发展,通过检测设备检测目标对象成为研究的热点之一。通常需要设置多个检测设备,以从多个角度检测目标对象,提高检测精度。
在采用多个检测设备检测目标对象时,通常采用电缆等进行数据传输,并经由模数转换器等硬件进行多路数据的融合和处理。
发明内容
提供了一种用于提高检测精度并降低硬件成本的检测目标对象的方法、装置、电子设备和存储介质。
根据本公开的一个方面,提供了一种检测目标对象的方法,该方法包括:获取由多个检测设备采集的数据;针对多个检测设备中每个检测设备采集的数据,采用每个检测设备特有的目标检测模型对数据进行处理,获得针对每个检测设备的检测结果;以及基于针对多个检测设备的检测结果中指示了目标对象的目标检测结果,确定目标对象的行为状态。
根据本公开的另一个方面,提供了一种检测目标对象的装置,该装置包括:数据获取模块,用于获取多个检测设备采集的数据;数据处理模块,用于针对多个检测设备中每个检测设备采集的数据:采用每个检测设备特有的目标检测模型对数据进行处理,获得针对每个检测设备的检测结果;以及状态确定模块,用于基于针对多个检测设备的检测结果中指示了目标对象的目标检测结果,确定目标对象的行为状态。
根据本公开的另一个方面,提供了一种电子设备,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行本公开提供的检测目标对象的方法。
根据本公开的另一个方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,计算机指令用于使计算机执行本公开提供的检测目标对象的方法。
根据本公开的另一个方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现本公开提供的检测目标对象的方法。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据本公开实施例的检测目标对象的方法、装置、电子设备和存储介质的应用场景示意图;
图2是根据本公开实施例的检测目标对象的方法的流程示意图;
图3是根据本公开实施例的采用目标检测模型对数据进行处理的原理示意图;
图4是根据本公开实施例的检测目标对象的方法的原理示意图;
图5是根据本公开实施例的从多个存储队列中获取一组备选检测结果的原理示意图;
图6是根据本公开另一实施例的检测目标对象的方法的原理示意图;
图7是根据本公开实施例的确定目标对象的行为状态的操作在一应用场景下的流程图;
图8是根据本公开实施例的适于实现检测目标对象的方法的***架构图;
图9是根据本公开实施例的检测目标对象的装置的结构框图;以及
图10是用来实现本公开实施例的检测目标对象的方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
本公开提供了一种检测目标对象的方法,包括数据获取阶段、数据处理阶段和状态确定阶段。在数据获取阶段中,获取由多个检测设备采集的数据。在数据处理阶段,针对多个检测设备中每个检测设备采集的数据,采用每个检测设备特有的目标检测模型对数据进行处理,获得针对每个检测设备的检测结果。在状态确定阶段,基于针对多个检测设备的检测结果中指示了目标对象的目标检测结果,确定目标对象的行为状态。
以下将结合图1对本公开提供的方法和装置的应用场景进行描述。
图1是根据本公开实施例的检测目标对象的方法、装置、电子设备和存储介质的应用场景示意图。
如图1所示,该应用场景100包括多个检测设备111~113和电子设备120。
多个检测设备111~113例如可以为设置于同一场景下的摄像设备和/或传感器,用于对位于该场景下的目标物体进行检测。例如,可以将该多个检测设备111~113设置于生产车间中,用于从多个角度采集生产设备的运行画面。例如,可以将该多个检测设备111~113设置于一些场所的入口,用于从多个角度采集对象的红外图像或三维图像等。
电子设备120例如可以为具有图像处理功能的终端设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。该电子设备120可以经由网络与多个检测设备111~113通信连接,网络包括但不限于有线或无线通信链路。
在一实施例中,电子设备120例如可以设置有用于分别接收多个检测设备111~113采集到的图像的多个接口,以经由不同的处理模块对不同检测设备采集的图像进行处理。
根据本公开的实施例,如图1所示,该应用场景100中还可以设置有服务器130,该服务器130通过网络与电子设备120通信连接。电子设备120例如可以将接收到的图像发送给服务器130,由服务器130对多个检测设备111~113在同一时刻采集的图像进行处理,得到目标物体的行为状态。该服务器130例如可以为对电子设备120中对图像进行处理的应用程序的运行提供支持的后台管理服务器。该服务器130可以是云服务器,也可以为分布式***的服务器,或者是结合了区块链的服务器。
在一实施例中,电子设备120例如可以将接收的图像发送给服务器130,由服务器130根据维护的深度学习模型对图像进行目标对象的识别和跟踪。服务器130则根据对目标对象的识别和跟踪结果来确定目标对象的行为状态。或者,电子设备120可以将处理图像得到的处理结果发送给服务器130,由服务器130对与多个检测设备对应的多个处理结果进行融合,从而确定目标对象的行为状态。
需要说明的是,本公开所提供的检测目标对象的方法可以由电子设备120执行;或者由服务器130执行;或者部分操作由电子设备120执行,部分操作由服务器130执行。相应地,本公开所提供的检测目标对象的装置可以设置于电子设备120中;或者设置于服务器130中;或者部分设置于电子设备120中,部分设置于服务器130中。
应该理解,图1中的检测设备、电子设备和服务器的数目和类型仅仅是示意性的。根据实现需要,可以具有任意数目和类型的检测设备、电子设备和服务器。
以下将结合图2~图7对本公开实施例的检测目标对象的方法进行详细描述。
图2是根据本公开实施例的检测目标对象的方法的流程示意图。
如图2所示,该实施例的检测目标对象的方法200可以包括操作S210、操作S230和操作S250。
在操作S210,获取由多个检测设备采集的数据。
根据本公开的实施例,多个检测设备例如可以为摄像头、红外热成像仪和/或图像传感器等。该多个检测设备可以设置于同一场景中,例如设置于同一房间的不同方位,以从多个角度采集场景中的图像数据。或者,该多个检测设备中可以包括采集范围不同但采集范围有所重叠的两个检测设备。例如,该多个检测设备采集的数据中可以包括在第一采集范围下采集的图像和在第二采集范围下采集的图像。其中的第一采集范围包括第二采集范围,且第一采集范围大于第二采集范围。通过该方式,可以实现对同一场景中的对象进行不同精度的图像的采集。例如,若目标对象较大,则可以选择具有较大检测范围的检测设备,若还需要检测目标对象的局部区域,则可以再选择一个具有较小检测范围的多维度高清检测设备,以对目标对象的局部区域进行集中检测。
示例性地,第一采集范围可以包括整个房间,第二采集范围可以仅包括房间中洗手池的周边区域。或者,第一采集范围可以包括整个生产设备所在的区域,第二采集范围可以仅包括该生产设备的输出口的周边区域。
根据本公开的实施例,可以通过预先设置的应用程序接口(ApplicationProgramming Interface,API)来获取检测设备采集的数据。应用程序接口可以唯一对应至一个检测设备,以兼容不同类型的检测设备(例如兼容摄像头和传感器)。
在操作S230,针对多个检测设备中每个检测设备采集的数据,采用每个检测设备特有的目标检测模型对数据进行处理,获得针对每个检测设备的检测结果。
根据本公开的实施例,可以为每个检测设备设置特有的目标检测模型,以实现对不同类型的检测设备所采集的数据的精准处理。每个检测设备独有的目标检测模型支持检测设备输出数据的传输协议,以支持对多路不同类型的检测设备所采集数据的处理。
示例性地,目标检测模型例如可以用于对数据中的目标对象进行检测和跟踪。该目标检测模型可以基于目标检测算法和目标跟踪算法来生成,该目标跟踪算法可以包括生成类算法和判别类算法。其中,生成类算法是在当前数据中对目标对象所在的目标区域进行建模,在接收的后续数据中寻找与建模得到的模型最相似的区域作为目标对象的预测位置。该生成类算法例如可以包括卡尔曼滤波算法、粒子滤波算法和均值漂移(mean-shift)算法等。判别类算法将当前数据作为正样本,当前数据中的背景数据作为负样本,采用机器学习方法训练分类器。在获得后续数据时,通过将该后续数据输入训练好的分类器即可得到目标对象在后续数据中的最优区域。该实施例通过对目标对象进行检测外,还对目标对象进行跟踪,可以实现对目标对象的连贯行为的检测,防止误报或频繁上报提示信息。
示例性地,检测结果例如可以包括判定数据中是否具有对目标对象加以指示的数据的结果、对目标对象加以指示的数据在检测设备采集的数据中的坐标位置、目标对象的标识符、指示目标对象是否执行预定行为的分类结果等。可以理解的是,上述检测结果仅作为示例以利于理解本公开,本公开对此不做限定。
根据本公开的实施例,可以存储对每个检测设备采集的数据进行处理而得到的检测结果,以便于后续获取。操作S210和操作S230可以为持续执行的过程,在不同时段,采用目标检测模型检测到的目标对象可以为不同对象。例如,若检测设备用于采集洗手池周边区域的图像,则在不同时段在洗手池周边区域的对象可能为不同的对象。
在操作S250,基于针对多个检测设备的检测结果中指示了目标对象的目标检测结果,确定目标对象的行为状态。
根据本公开的实施例,在通过操作S230获得检测结果后,可以将指示了目标对象的检测结果存储至预定存储空间。在持续执行的过程中,若获得的检测结果不再指示目标对象,则可以将预定存储空间中所有指示了目标对象的检测结果作为目标检测结果。通过对该目标检测结果进行处理来确定目标对象的行为状态。
示例性地,可以将指示了目标对象的目标检测结果中,挑选预定长度的时段内基于不同检测设备采集的数据而得到的目标检测结果,并基于挑选到的目标检测结果进行分析。由于挑选的目标检测结果包括针对不同检测设备的结果,因此可以得到目标对象在不同采集范围下的行为数据,并根据该行为数据确定行为状态。
本公开实施例通过综合多个检测设备采集的数据来对目标对象的行为状态进行分析,可以解决仅通过单个检测设备采集的数据来确定行为状态所存在的无法检测复杂行为,且无法适用于复杂场景的技术问题。并因此可以实现对目标对象的多方位检测,提高确定的行为状态的准确率。
图3是根据本公开实施例的采用目标检测模型对数据进行处理的原理示意图。
根据本公开的实施例,在采用目标检测模型对数据进行处理时,例如可以根据检测设备的采集效率和目标检测模型的处理效率,判定目标检测模型是否处于空闲或是否即将处理完当前处理的数据。若目标检测模型处于空闲状态,则对最新采集的数据进行处理,否则可以丢弃最新采集的数据。相较于相关技术中将最新采集的数据添加至缓存队列,并在目标检测模型空闲时从缓存队列中获取数据进行处理的技术方案,通过该实施例的技术方案可以避免以下情况:因检测设备的采集频率与目标检测模型的处理频率不匹配,导致多个检测设备特有的目标检测模型所处理数据的采集时间差越来越大,从而不利于对预定长度的时段内的检测结果进行综合分析。因此,通过该实施例的技术方案,可以提高确定的行为状态的准确率。
示例性地,如图3所示,该实施例300中,多个检测设备中的每个检测设备310在采集到数据时,可以为每个数据添加表示采集时刻的时间信息。每个检测设备310例如可以依据时序信号320采集数据,以依次在时刻t1、t2、t3、…、tj、tj+1…处采集到数据。在每个检测设备310在tj时刻采集到数据时,例如可以确定目标检测模型330处理的最新数据的采集时刻为t3,即处理的最新数据为t3时刻采集到的数据。该实施例可以将该t3作为参考时刻,计算tj与参考时刻之间的差值。若该差值大于等于预定差值,可以采用目标检测模型对tj时刻采集到数据进行处理。其中,j为自然数,预定差值例如可以根据目标检测模型的处理周期来设定。
示例性地,可以根据目标检测模型自身的处理能力设定预定差值,这样检测目标对象的方法可以无需过多关心目标检测模型的输入频率与输出频率不匹配的问题。目标检测模型自身的处理能力例如可以根据该目标检测模型的处理日志来确定。在检测目标对象的方法的实施过程中,例如可以定期查看处理日志,从而确定目标检测模型的处理周期的实时取值,并基于该实时取值对预定差值进行调整。
图4是根据本公开实施例的检测目标对象的方法的原理示意图。
根据本公开的实施例,目标对象的行为执行通常具有一定的时间持续性,该实施例在确定目标对象的行为状态时,例如可以根据目标对象在采集范围内的持续时段内各时刻的行为数据,来最终确定目标对象的行为状态。
为了便于获取采集到的目标对象在采集范围内的持续时段内各时刻下、各采集角度的数据,该实施例可以将数据的采集时刻作为检测结果的时间戳,将针对不同检测设备的检测结果存储至特有的存储队列。则可以依据时间戳周期性地从多个检测设备特有的多个存储队列中获取一组备选检测结果,以获取到各时刻下各采集角度的数据。若获取的一组备选检测结果中包括目标检测结果,则根据该组备选检测结果中的目标检测数据,可以确定目标对象在该各时刻下的行为子状态,即确定目标对象针对该一组备选检测结果的行为子状态。通过该方式,可以获取到分别针对至少一组备选检测结果的至少一个行为子状态,该至少一组备选检测结果中的每组检测结果都包括目标检测结果。对该至少一个行为子状态综合分析,可以获得目标对象的行为状态。
示例性地,如图4所示,该实施例的检测目标对象的方法400可以获取到第一检测设备411~第五检测设备415采集的数据。第一检测设备411采集的数据作为第一目标检测模型421的输入,获得针对第一检测设备411的检测结果。该检测结果可以存储至第一检测设备411特有的第一队列431中。类似地,经由第二目标检测模型422获得的针对第二检测设备412的检测结果可以存储至第二检测设备412特有的第二队列432中。经由第三目标检测模型423获得的针对第三检测设备413的检测结果可以存储至第三检测设备413特有的第三队列433中。经由第四目标检测模型424获得的针对第四检测设备414的检测结果可以存储至第四检测设备414特有的第四队列434中。经由第五目标检测模型425获得的针对第五检测设备415的检测结果可以存储至第五检测设备415特有的第五队列435中。
该方法400可以周期性地从第一队列431~第五队列435中获取一组备选检测结果440。在获取到的一组备选检测结果440中包括目标检测结果时,可以根据该目标检测结果确定目标对象的一个行为子状态450,并将该行为子状态450进行缓存。在周期性获取的备选检测结果中不再具有目标检测结果时,根据缓存的行为子状态450来确定目标对象的行为状态460。
示例性地,存储至各队列的检测结果例如可以包括跟踪ID(即检测得到的目标对象的标识符)、检测得到的目标对象在采集到的数据中的坐标框、关键点等,还可以包括与该检测结果对应的数据的采集时刻等。该实施例可以依据跟踪ID来判断备选检测结果中是否还具有针对某个目标对象的目标检测结果。以此保证确定行为状态所依据的目标检测结果为针对同一目标对象。
以下将结合图5~图6对从多个存储队列中获取一组备选检测结果的原理进行详细描述。
图5是根据本公开实施例的从多个存储队列中获取一组备选检测结果的原理示意图。
如图5所示,假设该实施例500设置有五个检测设备,该五个检测设备的采集频率相同,例如均为一秒一帧。第一检测设备特有的目标检测模型F1例如为每4s处理一个数据,第二检测设备特有的目标检测模型F2例如为每2s处理一个数据,第三检测设备特有的目标检测模型F3例如为每3s处理一个数据,第四检测设备特有的目标检测模型F4例如为每2s处理一个数据,第五检测设备特有的目标检测模型F5例如为每3s处理一个数据。对于五个检测设备自采集起始时刻采集到的原始数据1~24,由于网络抖动等因素的存在,目标检测模型F1例如在自采集起始时刻后的第4s通过处理原始数据1得到检测结果,依次类推,在第8s、第11s、第16s、第20s和第24s分别通过处理原始数据5、原始数据9、原始数据12、原始数据17和原始数据21得到检测结果。类似地,目标检测模型F2例如在自采集起始时刻后的第2s通过处理原始数据1得到检测结果,目标检测模型F3在自采集起始时刻后的第3s通过处理原始数据1得到检测结果,目标检测模型F4在自采集起始时刻后的第2s通过处理原始数据1得到的检测结果,目标检测模型F5在自采集起始时刻后的第2s通过处理原始数据1得到检测结果。图5中上方图中的箭头表示原始数据标号与各目标检测模型F2得到的检测结果之间的指向关系,数字表示自采集起始时刻所经过的时长,F1~F5所在行中具有填充的数字表示各目标检测模型得到检测结果所消耗的时长。根据该图5中上方图可知,若在第2s时从各存储队列中获取备选检测结果,则会缺失目标检测模型F1通过处理原始数据1得到检测结果及目标检测模型F3通过处理原始数据1得到检测结果,这在一定程度上会影响确定的行为状态的准确性。
基于此,该实施例在从多个存储队列中获取一组备选检测结果时,可以依据存储队列中检测结果的时间戳,从不同存储队列中获取具有相同时间戳的检测结果,以此保证该一组备选检测结果中的各检测结果是通过处理多个检测设备在同一时刻采集的数据而获得的,保证基于该一组备选检测结果得到的行为子状态的准确性。这是由于目标检测模型在处理采集的数据并获得检测结果时需要有一定的耗时,多个检测设备中不同检测设备特有的不同目标检测模型处理数据的耗时通常会有差异,且同一目标检测模型处理数据的耗时也会由于网络不稳定等因素而存在一定的波动。再者,不同的检测设备的采集频率也会有所不同。因此,相较于获取最新处理得到的检测结果来确定行为状态的技术方案,该实施例获取具有相同时间戳的一组备选检测结果的方法,可以解决上述耗时不同或采集频率不同导致的数据不对齐、确定的行为状态不准确的问题。
根据本公开的实施例,该实施例可以维护有根据轮次设置的基准时钟值。该基准时钟值的初始取值可以为多个检测设备的采集起始时刻。在每次从多个存储队列中获取一组备选检测结果时,可以基于该获取的轮次设置基准时钟值T,例如可以将该下一轮次的基准时钟值Ti+1设置为当前轮次的基准时钟值Ti与t的和。t可以为与多个检测设备的采集周期中最低采集周期相关的常数。如此,可以根据设置的该轮次的基准时钟值从多个存储队列中获取备选检测结果。例如,可以从多个存储队列中获取时间戳与该基准时钟值相同的第一检测结果,并将该第一检测结果组成一组备选检测结果。其中,Ti为针对第i次获取操作设置的基准时钟值T,Ti+1为针对第i+1次获取操作设置的基准时钟值T,i为大于等于1的整数。
根据本公开的实施例,为了保证获取到的一组检测结果中包括针对每个检测设备的检测结果,在根据设置的基准时钟值获取备选检测结果时,可以先判断每个存储队列中是否包括时间戳与基准时钟值相同的第一检测结果。若包括,则获取该第一检测结果。若不包括,则获取与该第一检测结果相邻、且时间戳小于基准时钟值的第二检测结果。通过该方式,可以保证每组备选检测结果均包括在相近时刻内多个不同方位的检测结果,避免因针对目标对象的检测结果不完整使得确定的行为子状态不准确的情况。
根据本公开的实施例,通过设置该基准时钟值,并基于基准时钟值来获取备选检测结果,可以实现不同目标检测模型得到的检测结果相对于采集时刻的对齐。如图5所示,该实施例中,t的取值例如可以1。对于第一轮次,即第1个基准时钟值,通过前述方法可以得到与该第1个基准时钟值对齐的处理结果包括:目标检测模型F1在自采集起始时刻后的第4s输出的检测结果、目标检测模型F2在自采集起始时刻后的第2s输出的检测结果、目标检测模型F3在自采集起始时刻后的第3s输出的检测结果、目标检测模型F4在自采集起始时刻后的第2s输出的检测结果和目标检测模型F5在自采集起始时刻后的第2s输出的检测结果。以此类推,图5中下方图中,对应基准时钟的行中的数字表示采集的轮次,即基准时钟值的取值次数。F1~F5所在行中具有填充的数字表示各目标检测模型得到检测结果所消耗的时长,同一列中的数字表示各目标检测模型得到与基准时钟值对准的检测结果所消耗的时长。
可以理解的是,如图5所示,不存在与第2轮次对齐的检测结果,这是由于与第2个基准时钟值相同的时刻所采集的数据未被各目标检测模型处理。在预定时长内均不存在与该第2个基准时钟值对齐的检测结果的情况下,该实施例可以放弃第2轮次的检测结果的获取,重新设置基准时钟值,开始第3轮次的检测结果的获取。其中,预定时长例如可以根据多个目标检测模型的处理周期中最大处理周期来设定,以此避免获取的检测结果存在丢失、存储队列中的有效检测结果未被使用的情况。可以理解的是,上述预定时长的设置仅作为示例以利于理解本公开,本公开对此不做限定。
图6是根据本公开另一实施例的检测目标对象的方法的原理示意图。
根据本公开的实施例,该实施例的检测目标对象的方法600可以获取到第一检测设备611~第五检测设备615采集的数据。第一检测设备611采集的数据作为第一目标检测模型621的输入,获得针对第一检测设备611的检测结果。该检测结果可以存储至第一检测设备611特有的第一队列631中。类似地,经由第二目标检测模型622获得的针对第二检测设备612的检测结果可以存储至第二检测设备612特有的第二队列632中。经由第三目标检测模型623获得的针对第三检测设备613的检测结果可以存储至第三检测设备613特有的第三队列633中。经由第四目标检测模型624获得的针对第四检测设备614的检测结果可以存储至第四检测设备614特有的第四队列634中。经由第五目标检测模型625获得的针对第五检测设备615的检测结果可以存储至第五检测设备615特有的第五队列635中。
该方法600可以周期性地从第一队列631~第五队列635中获取一组备选检测结果。具体地,如图6所示,该实施例在获取备选检测结果时,可以先通过操作S611设置基准时钟值T。设置了基准时钟值T后,通过操作S612依次从第一队列631~第五队列635中的每个队列中获取最新存入的数据的时间戳。在获取到时间戳后,通过操作S613来判断是否获取的所有时间戳均大于等于基准时钟值T。若都大于等于基准时钟值T,则执行操作S614,确定选择的获取策略。若存在小于基准时钟值T的时间戳,则在单位时长后返回执行操作S612。其中,获取策略例如可以包括前文描述的从各队列中获取第一检测结果组成一组备选检测结果的第一策略,及在没有第一检测结果时获取第二检测结果的第二策略。该获取策略例如可以根据实际需求进行选择。单位时长例如可以根据实际需求进行设置,例如可以设置为1s等,本公开对此不做限定。
示例性地,若确定获取策略为第一策略,则执行操作S615,获取各队列具有与基准时钟值相同时间戳的第一检测结果。若确定获取策略为第二策略,则执行操作S616,若各队列具有与基准时钟值相同时间戳的第一检测结果,则获取该第一检测结果,否则获取第一检测结果之前的最新检测结果。在操作S615或操作S616之后,可以执行操作S617,获得同步后检测结果。该操作S617例如可以将获取的所有检测结果打包封装为一组数据,将该一组数据作为同步后检测结果。
可以理解的是,该实施例中,在获得同步后检测结果后,即可开始新一轮次的获取操作,即返回执行操作S611,并采用与前文描述的设置基准时钟值的方法类似的方法,对基准时钟值进行重新设定。该实施例通过操作S613的设置,可以在某个目标检测模型处理效率较其他目标检测模型慢,该某个目标检测模型对某一时刻采集的数据还未处理完,而其他目标检测模型已处理完该某一时刻采集的数据的情况下,避免最终获取到的同步数据中缺失了该某个目标检测模型对该某一时刻采集的数据处理得到的检测结果的情形。
可以理解的是,若通过操作S613确定所有时间戳均大于等于基准时钟值,但第一队列631~第五队列635中均不包括第一检测结果的情况下,可以确定所有检测模型均未对某采集时刻处采集的数据进行处理,该某采集时刻与该基准时钟值相同。此时,可以直接返回执行操作S611,以重新设置基准时钟值,进行下一轮次的检测结果的获取。
图7是根据本公开实施例的确定目标对象的行为状态的操作在一应用场景下的流程图。
根据本公开的实施例,在该应用场景700下,检测目标对象的方法可以用于确定目标对象是否洗手。该检测目标对象的方法可以包括输入流程710、处理流程720和输出流程730。
在输入流程710中,以检测设备711的输出作为输入,获得检测设备711采集的数据。
在获得采集的数据后,启动处理流程720。通过操作S721,来基于获得的数据进行目标检测和跟踪。具体可以采用前文描述的目标检测模型来完成操作S721,从而得到检测结果。随后,该检测结果可以存入输入队列712中,以供后续处理。
处理流程720可以周期性地执行操作S722,以从输入队列712中获取队列数据。该操作S722与前文描述的周期性地获取一组备选检测数据的方法类似,获取的队列数据即为前文描述的一组备选检测数据,在此不再赘述。在获取到队列数据后,可以基于该队列数据执行操作S723,判断是否完成对目标对象的跟踪。若前一轮次获取的队列数据中包括指示目标对象的检测结果,而当前轮次获取的队列数据中不包括指示目标对象的检测结果,则确定完成对目标对象的跟踪。若操作S723的判断结果为完成对目标对象的跟踪,则执行操作S724,获取洗手池的位置信息。若操作S723的判断结果为未完成对目标对象的跟踪,则执行操作S725,收集包括目标对象的数据(即指示目标对象的检测结果)。其中,洗手池的位置信息可以为检测设备的采集范围内洗手池的位置,该位置信息可以通过预先标定得到。
根据本公开的实施例,获取到洗手池的位置信息后,还可以结合通过操作S725收集的所有包括目标对象的数据,来执行操作S726,确定在得到各队列数据所依据的数据的采集时刻,目标对象是否洗手的判断结果。
在收集到所有队列数据所依据的数据的多个采集时刻中,目标对象是否洗手的判断结果后,即可执行操作S727,确定目标对象洗手的最终结果。若对于多个采集时刻中某个时刻,判断结果为目标对象洗手,则可以确定最终结果为目标对象已洗手。若对于多个采集时刻中的每个时刻,判断结果均为目标对象未洗手,则可以确定最终结果为目标对象未洗手。
在得到最终结果后,即可启动输出流程730,具体执行操作S731,将该最终结果和目标对象的标识符添加至输出队列,通过电子设备的显示器等对该最终结果进行展示。
示例性地,若该最终结果为目标对象未洗手,则在将该最终结果添加至输出队列之前,还可以生成针对该最终结果的提示信息,将该提示信息和最终结果同时添加至输出队列,以在展示最终结果时,输出该提示信息。
图8是根据本公开实施例的适于实现检测目标对象的方法的***架构图。
根据本公开的实施例,如图8所示,实现检测目标对象的方法的***架构800可以包括硬件部分810、软件部分820和存储部分830。硬件部分包括网络摄像头811~812和传感器813~814等。软件部分820例如可以设置在前述的电子设备和/或服务器中。该设置软件部分820的电子设备和/或服务器例如可以通过网络或通信接口与硬件部分810进行通信,以获取硬件部分810采集的数据。
软件部分820例如可以包括显示软件821、通信软件822、云平台软件823和数据处理软件824。
显示软件821例如可以为浏览器或应用程序(Application,APP)等,通过该显示软件可以用于显示检测结果。该显示软件821例如可以与通信软件822通过标准的restfulAPI接口对接,也支持与第三方显示器对接,以将检测结果投影至第三方显示器。
通信软件822例如可以包括API接口等,用于获取硬件部分810采集的数据。通信软件822还可以包括告警软件,可以用于在检测结果为目标对象未执行目标行为时,向管理人员发送告警信息。通信软件822还可以包括服务管理软件,用于向管理人员提供人机交互界面,以使得管理人员配置目标对象的特征信息、目标行为信息等。例如可以使用边缘计算平台框架来实现服务管理软件。
云平台软件823例如可以包括设备管理软件、技能管理软件和编排管理软件。设备管理软件用于管理硬件部分中通信连接的摄像头或传感器的个数或类型等。技能管理软件和编排管理软件用于配置数据处理软件824的各个功能,及各个功能的调用逻辑等。
数据处理软件824用于对从硬件部分获取的数据进行处理。该数据处理软件可以包括数据分析软件8241、数据同步缓存单元8242和数据识别处理软件8243。数据识别处理软件8243具有摄像头管理单元、传感器管理单元、目标跟踪单元、目标检测单元。其中,目标检测单元和目标跟踪单元与硬件部分810中采集数据的各硬件一一对应。以分别对各硬件采集的数据中的目标对象进行检测和跟踪。传感器管理单元用于对传感器采集的数据进行管理,根据前文描述的采集时刻与参考时刻之间的差值来确定是否交由目标检测和目标跟踪单元进行处理。摄像头管理单元与传感器管理单元的功能类似,在此不再赘述。数据同步缓存单元8242用于接收数据识别处理软件8243得到的检测结果,并对各检测结果进行同步。具体可以采用与前文描述的基于基准时钟来对检测结果进行同步的方法类似的方法来实现同步,在此不再赘述。数据分析软件8241包括数据存储单元、数据分析单元和告警分析单元。数据存储单元用于对数据分析单元得到的分析结果进行存储,即对前文描述的行为状态数据进行存储。数据分析单元用于接收数据同步缓存单元8242同步后周期性发送的备选检测结果,并根据该备选检测结果来分析目标对象的行为状态。告警分析单元用于在分析得到的目标对象的行为状态为目标对象未执行目标行为时,产生告警信息。
存储部分830用于为软件部分820的运行提供存储空间,例如可以设置有分别对应硬件部分中各硬件的存储空间,用于以队列的形式存储前文描述的针对各检测设备的检测结果。
根据本公开的实施例,如图8所示,该***架构800的软件部分820例如还可以提供有日志记录功能825。其中,通信软件822、云平台软件823和数据处理软件824均可以具有该日志记录功能,以对各自的运行日志进行记录。基于该日志记录功能,可以便于各软件进行信息或功能的配置。例如,摄像头管理单元和传感器管理单元可以根据该日志记录功能记录的日志,来对摄像头和传感器采集的数据进行管理,确定是将该采集的数据交由目标检测单元和目标跟踪单元进行处理,还是仅存储不处理。
根据本公开的实施例,上述软件部分820中的各软件例如可以通过组件实现容器化。所有的软件可以按照微服务原则设计,以实现服务与电子设备的分离,计算与存储的分离及接口与实现的分离。
基于前文描述的检测目标对象的方法,本公开还提供了一种检测目标对象的装置,以下将结合图9对该装置进行详细描述。
图9是根据本公开实施例的检测目标对象的装置的结构框图。
如图9所示,该实施例的检测目标对象的装置900包括数据获取模块910、数据处理模块930和状态确定模块950。
数据获取模块910用于获取多个检测设备采集的数据。在一实施例中,数据获取模块910例如可以用于执行前文描述的操作S210,在此不再赘述。
数据处理模块930用于针对多个检测设备中每个检测设备采集的数据,采用每个检测设备特有的目标检测模型对数据进行处理,获得针对每个检测设备的检测结果。在一实施例中,数据处理模块930例如可以用于执行前文描述的操作S230,在此不再赘述。
状态确定模块950用于基于针对多个检测设备的检测结果中指示了目标对象的目标检测结果,确定目标对象的行为状态。在一实施例中,状态确定模块950例如可以用于执行前文描述的操作S250,在此不再赘述。
根据本公开的实施例,状态确定模块950例如可以包括参考时刻确定子模块和处理子模块。参考时刻确定子模块用于确定目标检测模型处理的最新数据的采集时间,作为参考时刻。处理子模块用于在数据的采集时刻与参考时刻之间的差值大于等于预定差值的情况下,采用目标检测模型对数据进行处理。
根据本公开的实施例,上述检测目标对象的装置900还可以包括数据存储模块,用于在数据处理模块930获得针对每个检测设备的检测结果后,以数据的采集时刻作为检测结果的时间戳,将检测结果存储至每个检测设备特有的存储队列中。上述状态确定模块950可以包括结果获取子模块、子状态确定子模块和状态确定子模块。结果获取子模块用于周期性地依次从多个检测设备特有的多个存储队列中获取多组备选检测结果。子状态确定子模块用于在获取的至少一组备选检测结果中包括目标检测结果的情况下,根据至少一组备选检测结果中每组备选检测结果包括的目标检测结果,确定目标对象针对每组备选检测结果的行为子状态。状态确定子模块用于根据目标对象针对至少一组备选检测结果的行为子状态,确定目标对象的行为状态。
根据本公开的实施例,上述结果获取子模块可以包括基准时钟设置单元和结果获取单元。基准时钟设置单元用于根据获取操作的轮次设置基准时钟值T。结果获取单元用于根据基准时钟值T,从多个存储队列中获取备选检测结果,得到一组备选检测结果。其中,基准时钟值T被设置为Ti+1=Ti+t。Ti为针对第i次获取操作设置的基准时钟值T,Ti+1为针对第i+1次获取操作设置的基准时钟值T,i为大于等于1的整数,t是与多个检测设备的采集周期中最低采集周期相关的常数,初始基准时钟值T1为多个检测设备的采集起始时刻。
根据本公开的实施例,结果获取单元具体用于从多个存储队列中获取时间戳与基准时钟值T相同的第一检测结果。
根据本公开的实施例,结果获取单元具体用于针对多个存储队列中的每个存储队列,在每个存储队列中包括时间戳与基准时钟值T相同的第一检测结果的情况下,获取第一检测结果;在每个存储队列中不包括时间戳与基准时钟值T相同的第一检测结果的情况下,获取与第一检测结果相邻的第二检测结果,第二检测结果的时间戳小于基准时钟值T。
根据本公开的实施例,结果获取单元具体用于:在多个存储队列中均包括时间戳大于等于基准时钟值T的检测结果的情况下,从多个存储队列中获取备选检测结果。
根据本公开的实施例,多个检测设备采集的数据包括在第一采集范围下采集的图像和在第二采集范围下采集的图像,第一采集范围包括第二采集范围且大于第二采集范围。
需要说明的是,本公开的技术方案中,所涉及的用户个人信息的获取、存储和应用等,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图10示出了可以用来实施本公开的实施例的示例电子设备1000的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图10所示,设备1000包括计算单元1001,其可以根据存储在只读存储器(ROM)1002中的计算机程序或者从存储单元1008加载到随机访问存储器(RAM)1003中的计算机程序,来执行各种适当的动作和处理。在RAM 1003中,还可存储设备1000操作所需的各种程序和数据。计算单元1001、ROM 1002以及RAM 1003通过总线1004彼此相连。输入/输出(I/O)接口1005也连接至总线1004。
设备1000中的多个部件连接至I/O接口1005,包括:输入单元1006,例如键盘、鼠标等;输出单元1007,例如各种类型的显示器、扬声器等;存储单元1008,例如磁盘、光盘等;以及通信单元1009,例如网卡、调制解调器、无线通信收发机等。通信单元1009允许设备1000通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元1001可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1001的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元1001执行上文所描述的各个方法和处理,例如检测目标对象的方法。例如,在一些实施例中,检测目标对象的方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元1008。在一些实施例中,计算机程序的部分或者全部可以经由ROM 1002和/或通信单元1009而被载入和/或安装到设备1000上。当计算机程序加载到RAM 1003并由计算单元1001执行时,可以执行上文描述的检测目标对象的方法的一个或多个步骤。备选地,在其他实施例中,计算单元1001可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行检测目标对象的方法。
本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的***和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如,作为数据服务器)、或者包括中间件部件的计算***(例如,应用服务器)、或者包括前端部件的计算***(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将***的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (16)
1.一种检测目标对象的方法,包括:
获取由多个检测设备采集的数据;
针对所述多个检测设备中每个检测设备采集的数据,采用所述每个检测设备特有的目标检测模型对所述数据进行处理,获得针对所述每个检测设备的检测结果;
以所述数据的采集时刻作为所述检测结果的时间戳,将所述检测结果存储至所述每个检测设备特有的存储队列中;以及
基于针对所述多个检测设备的检测结果中指示了目标对象的目标检测结果,周期性地依次从所述多个检测设备特有的多个存储队列中获取多组备选检测结果;
在获取的至少一组备选检测结果中包括目标检测结果的情况下:根据所述至少一组备选检测结果中每组备选检测结果包括的目标检测结果,确定所述目标对象针对所述每组备选检测结果的行为子状态;以及根据所述目标对象针对所述至少一组备选检测结果的行为子状态,确定所述目标对象的行为状态。
2. 根据权利要求1所述的方法,其中,采用目标检测模型对所述数据进行处理包括:
确定所述目标检测模型处理的最新数据的采集时刻,作为参考时刻;以及
在所述数据的采集时刻与所述参考时刻之间的差值大于等于预定差值的情况下,采用所述目标检测模型对所述数据进行处理。
3.根据权利要求1所述的方法,其中,所述周期性地依次从针对所述多个检测设备的多个存储队列中获取多组备选检测结果包括:
根据获取操作的轮次设置基准时钟值T;
根据基准时钟值T,从所述多个存储队列中获取备选检测结果,得到一组备选检测结果;
其中,所述基准时钟值T被设置为Ti+1=Ti+t,
其中,Ti为针对第i次获取操作设置的基准时钟值T,Ti+1为针对第i+1次获取操作设置的基准时钟值T,i为大于等于1的整数,t是与所述多个检测设备的采集周期中最低采集周期相关的常数,初始基准时钟值T1为所述多个检测设备的采集起始时刻。
4.根据权利要求3所述的方法,其中,从所述多个存储队列中获取备选检测结果包括:
从所述多个存储队列中获取时间戳与所述基准时钟值T相同的第一检测结果。
5. 根据权利要求3所述的方法,其中,从所述多个存储队列中获取备选检测结果包括针对所述多个存储队列中的每个存储队列:
在所述每个存储队列中包括时间戳与所述基准时钟值T相同的第一检测结果的情况下,获取所述第一检测结果;以及
在所述每个存储队列中不包括时间戳与所述基准时钟值T相同的第一检测结果的情况下,获取与所述第一检测结果相邻的第二检测结果,所述第二检测结果的时间戳小于所述基准时钟值T。
6.根据权利要求3所述的方法,其中,从所述多个存储队列中获取备选检测结果包括:
在所述多个存储队列均包括时间戳大于等于所述基准时钟值T的检测结果的情况下,从所述多个存储队列中获取备选检测结果。
7.根据权利要求1所述的方法,其中:
所述多个检测设备采集的数据包括在第一采集范围下采集的图像和在第二采集范围下采集的图像,所述第一采集范围包括所述第二采集范围且大于所述第二采集范围。
8.一种检测目标对象的装置,包括:
数据获取模块,用于获取多个检测设备采集的数据;
数据处理模块,用于针对所述多个检测设备中每个检测设备采集的数据:采用所述每个检测设备特有的目标检测模型对所述数据进行处理,获得针对所述每个检测设备的检测结果;
数据存储模块,用于在所述数据处理模块获得针对所述每个检测设备的检测结果后,以所述数据的采集时刻作为所述检测结果的时间戳,将所述检测结果存储至所述每个检测设备特有的存储队列中;以及
状态确定模块,用于基于针对所述多个检测设备的检测结果中指示了目标对象的目标检测结果,确定所述目标对象的行为状态,
其中,所述状态确定模块包括:
结果获取子模块,用于周期性地依次从所述多个检测设备特有的多个存储队列中获取多组备选检测结果;
子状态确定子模块,用于在获取的至少一组备选检测结果中包括目标检测结果的情况下,根据所述至少一组备选检测结果中每组备选检测结果包括的目标检测结果,确定所述目标对象针对所述每组备选检测结果的行为子状态;以及
状态确定子模块,用于根据所述目标对象针对所述至少一组备选检测结果的行为子状态,确定所述目标对象的行为状态。
9. 根据权利要求8所述的装置,其中,所述数据处理模块包括:
参考时刻确定子模块,用于确定所述目标检测模型处理的最新数据的采集时刻,作为参考时刻;以及
处理子模块,用于在所述数据的采集时刻与所述参考时刻之间的差值大于等于预定差值的情况下,采用所述目标检测模型对所述数据进行处理。
10. 根据权利要求8所述的装置,其中,所述结果获取子模块包括:
基准时钟设置单元,用于根据获取操作的轮次设置基准时钟值T;以及
结果获取单元,用于根据所述基准时钟值T,从所述多个存储队列中获取备选检测结果,得到一组备选检测结果,
其中,所述基准时钟值T被设置为Ti+1=Ti+t,
其中,Ti为针对第i次获取操作设置的基准时钟值T,Ti+1为针对第i+1次获取操作设置的基准时钟值T,i为大于等于1的整数,t是与所述多个检测设备的采集周期中最低采集周期相关的常数,初始基准时钟值T1为所述多个检测设备的采集起始时刻。
11.根据权利要求10所述的装置,其中,所述结果获取单元具体用于:
从所述多个存储队列中获取时间戳与所述基准时钟值T相同的第一检测结果。
12. 根据权利要求10所述的装置,其中,所述结果获取单元具体用于针对所述多个存储队列中的每个存储队列:
在所述每个存储队列中包括时间戳与所述基准时钟值T相同的第一检测结果的情况下,获取所述第一检测结果;以及
在所述每个存储队列中不包括时间戳与所述基准时钟值T相同的第一检测结果的情况下,获取与所述第一检测结果相邻的第二检测结果,所述第二检测结果的时间戳小于所述基准时钟值T。
13.根据权利要求10所述的装置,其中,所述结果获取单元具体用于:
在所述多个存储队列均包括时间戳大于等于所述基准时钟值T的检测结果的情况下,从所述多个存储队列中获取备选检测结果。
14.根据权利要求8所述的装置,其中:
所述多个检测设备采集的数据包括在第一采集范围下采集的图像和在第二采集范围下采集的图像,所述第一采集范围包括所述第二采集范围且大于所述第二采集范围。
15. 一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1~7中任一项所述的方法。
16.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1~7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110427520.0A CN113033483B (zh) | 2021-04-20 | 2021-04-20 | 检测目标对象的方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110427520.0A CN113033483B (zh) | 2021-04-20 | 2021-04-20 | 检测目标对象的方法、装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113033483A CN113033483A (zh) | 2021-06-25 |
CN113033483B true CN113033483B (zh) | 2024-02-02 |
Family
ID=76457282
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110427520.0A Active CN113033483B (zh) | 2021-04-20 | 2021-04-20 | 检测目标对象的方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113033483B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110243769A (zh) * | 2019-07-30 | 2019-09-17 | 南阳理工学院 | 一种多源信息辅助的高光谱亚像元目标识别***和方法 |
CN110276301A (zh) * | 2019-06-24 | 2019-09-24 | 泰康保险集团股份有限公司 | 人脸识别方法、装置、介质及电子设备 |
CN111582130A (zh) * | 2020-04-30 | 2020-08-25 | 长安大学 | 一种基于多源异构信息的交通行为感知融合***及方法 |
CN111650210A (zh) * | 2020-06-11 | 2020-09-11 | 深圳市信宇人科技股份有限公司 | 高速高精度锂离子电池极片的毛刺检测方法及检测*** |
CN111833340A (zh) * | 2020-07-21 | 2020-10-27 | 北京百度网讯科技有限公司 | 图像检测方法、装置、电子设备及存储介质 |
JPWO2020217283A1 (zh) * | 2019-04-22 | 2020-10-29 | ||
CN111914767A (zh) * | 2020-08-05 | 2020-11-10 | 北京市遥感信息研究所 | 一种基于多源遥感数据的散乱污企业检测方法及*** |
WO2020258901A1 (zh) * | 2019-06-25 | 2020-12-30 | 上海商汤智能科技有限公司 | 传感器数据处理方法、装置、电子设备及*** |
CN112183252A (zh) * | 2020-09-15 | 2021-01-05 | 珠海格力电器股份有限公司 | 视频的动作识别方法、装置、计算机设备和存储介质 |
-
2021
- 2021-04-20 CN CN202110427520.0A patent/CN113033483B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPWO2020217283A1 (zh) * | 2019-04-22 | 2020-10-29 | ||
CN110276301A (zh) * | 2019-06-24 | 2019-09-24 | 泰康保险集团股份有限公司 | 人脸识别方法、装置、介质及电子设备 |
WO2020258901A1 (zh) * | 2019-06-25 | 2020-12-30 | 上海商汤智能科技有限公司 | 传感器数据处理方法、装置、电子设备及*** |
CN110243769A (zh) * | 2019-07-30 | 2019-09-17 | 南阳理工学院 | 一种多源信息辅助的高光谱亚像元目标识别***和方法 |
CN111582130A (zh) * | 2020-04-30 | 2020-08-25 | 长安大学 | 一种基于多源异构信息的交通行为感知融合***及方法 |
CN111650210A (zh) * | 2020-06-11 | 2020-09-11 | 深圳市信宇人科技股份有限公司 | 高速高精度锂离子电池极片的毛刺检测方法及检测*** |
CN111833340A (zh) * | 2020-07-21 | 2020-10-27 | 北京百度网讯科技有限公司 | 图像检测方法、装置、电子设备及存储介质 |
CN111914767A (zh) * | 2020-08-05 | 2020-11-10 | 北京市遥感信息研究所 | 一种基于多源遥感数据的散乱污企业检测方法及*** |
CN112183252A (zh) * | 2020-09-15 | 2021-01-05 | 珠海格力电器股份有限公司 | 视频的动作识别方法、装置、计算机设备和存储介质 |
Non-Patent Citations (2)
Title |
---|
Realtime image fusion and target learning & detection on a laptop attached processor;D. Fay etal.;《2005 7th International Conference on Information Fusion》;全文 * |
面向对象多特征融合的水域岸线目标变化检测;张 曦等;《水利信息化》(第1期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113033483A (zh) | 2021-06-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113691733B (zh) | 视频抖动检测方法、装置、电子设备和存储介质 | |
CN113743607B (zh) | 异常检测模型的训练方法、异常检测方法及装置 | |
CN110555838A (zh) | 基于图像的零件故障检测方法及装置 | |
JP7043601B2 (ja) | 環境モデルを生成するための方法および装置ならびに記憶媒体 | |
CN111601013B (zh) | 用于处理视频帧的方法和装置 | |
CN112507833A (zh) | 人脸识别及模型训练的方法、装置、设备和存储介质 | |
CN116245865A (zh) | 一种图像质量的检测方法、装置、电子设备及存储介质 | |
CN116661477A (zh) | 一种变电站无人机巡检方法、装置、设备及存储介质 | |
CN113033483B (zh) | 检测目标对象的方法、装置、电子设备和存储介质 | |
CN111399476B (zh) | 一种基于图像对齐的监控云台失控实时检测方法 | |
CN114461078B (zh) | 一种基于人工智能的人机交互方法 | |
CN115049810A (zh) | 固态激光雷达点云的上色方法、装置、设备及存储介质 | |
CN106296722B (zh) | 一种信息处理方法及电子设备 | |
CN111209050A (zh) | 用于切换电子设备的工作模式的方法和装置 | |
CN111967299A (zh) | 无人机巡检方法、装置、设备及存储介质 | |
CN116189028B (zh) | 图像识别方法、装置、电子设备以及存储介质 | |
CN116433939B (zh) | 样本图像生成方法、训练方法、识别方法以及装置 | |
CN116016820A (zh) | 视频设备的轮巡方法、装置、电子设备及存储介质 | |
CN116229583B (zh) | 驱动信息生成、驱动方法、装置、电子设备以及存储介质 | |
CN118097797A (zh) | 人脸活体检测方法、装置、设备和介质 | |
CN118102101A (zh) | 对显示设备进行姿态控制的方法、装置、设备及电路板 | |
CN117197751A (zh) | 一种跌倒行为识别方法、装置、设备及存储介质 | |
CN117956261A (zh) | Plc交互方法、***、上位机、设备及介质 | |
CN118132213A (zh) | 一种视频检测方法、装置、电子设备以及存储介质 | |
CN116112801A (zh) | 一种图像采集角度的调整方法、装置、设备及介质 |
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 |