【技术实现步骤摘要】
对象识别方法、对象识别装置及存储介质
本公开涉及对象识别
,尤其涉及一种对象识别方法、对象识别装置及存储介质。
技术介绍
根据相关技术可知,目前,往往利用结构光(StructureLight)、飞行时间技术(TimeofFlight)或双目立体成像技术(Dual-Camera)形成关于待识别对象的3D深度立体图像(又称立体深度图像),并结合人工智能神经网络技术实现对待识别对象的识别和追踪。但是,由于利用结构光(StructureLight)、飞行时间技术(TimeofFlight)或双目立体成像技术(Dual-Camera)形成关于待识别对象的立体深度图像,往往过度依赖于强光条件,因此,无法实现在夜视或暗光环境下完成对待识别对象的识别和追踪。
技术实现思路
为克服相关技术中存在的问题,本公开提供一种对象识别方法、对象识别装置及存储介质。根据本公开实施例的第一方面,提供一种对象识别方法。其中,对象识别方法包括:基于多目近红外成像设备在暗光环境下对待识别对象拍摄得到的影像,确定所述待识别对象在暗光环境下的多张图像,所述多张图像中包括所述待识别对象在不同视角下的图像;基于所述多张图像,确定所述待识别对象的立体深度图像;基于所述立体深度图像,对所述待识别对象进行识别,得到识别结果。在本公开一种实施方式中,所述基于多目近红外成像设备在暗光环境下对待识别对象拍摄得到的影像,确定所述待识别对象在暗光环境下的多张图像,包括:基于至少两个多目近红外成像设备,在暗光环境下从多个不同视角拍 ...
【技术保护点】
1.一种对象识别方法,其特征在于,所述对象识别方法包括:/n基于多目近红外成像设备在暗光环境下对待识别对象拍摄得到的影像,确定所述待识别对象在暗光环境下的多张图像,所述多张图像中包括所述待识别对象在不同视角下的图像;/n基于所述多张图像,确定所述待识别对象的立体深度图像;/n基于所述立体深度图像,对所述待识别对象进行识别,得到识别结果。/n
【技术特征摘要】
1.一种对象识别方法,其特征在于,所述对象识别方法包括:
基于多目近红外成像设备在暗光环境下对待识别对象拍摄得到的影像,确定所述待识别对象在暗光环境下的多张图像,所述多张图像中包括所述待识别对象在不同视角下的图像;
基于所述多张图像,确定所述待识别对象的立体深度图像;
基于所述立体深度图像,对所述待识别对象进行识别,得到识别结果。
2.根据权利要求1所述的对象识别方法,其特征在于,所述基于多目近红外成像设备在暗光环境下对待识别对象拍摄得到的影像,确定所述待识别对象在暗光环境下的多张图像,包括:
基于至少两个多目近红外成像设备,在暗光环境下从多个不同视角拍摄待识别对象,得到对应所述多个不同视角的多张图像。
3.根据权利要求1所述的对象识别方法,其特征在于,所述基于多目近红外成像设备在暗光环境下对待识别对象拍摄得到的影像,确定所述待识别对象在暗光环境下的多张图像,包括:
基于一个或多个多目近红外成像设备,在暗光环境下拍摄待识别对象,得到一个或多个影像视频;
在所述一个或多个影像视频中,提取包括所述待识别对象在多个不同视角的多张图像。
4.根据权利要求1所述的对象识别方法,其特征在于,基于所述多张图像,确定所述待识别对象的立体深度图像,包括:
在所述多张图像中确定第一图像,并确定所述第一图像中的多个不同位置;
针对所述多个不同位置中的各位置,分别确定所述多张图像中在所述位置的视差以及深度信息;
基于所述多个不同位置各自对应的视差以及深度信息,确定所述待识别对象的三维信息;
基于所述三维信息,确定所述待识别对象的立体深度图像。
5.根据权利要求1所述的对象识别方法,其特征在于,所述基于所述立体深度图像,对所述待识别对象进行识别,包括:
调用基于立体深度图像预先训练的人工智能神经网络模型;
基于所述人工智能神经网络模型,对所述待识别对象进行识别。
6.根据权利要求1至5中任意一项所述的对象识别方法,其特征在于,所述对象识别方法还包括:
基于所述待识别对象在设定时间内的多个识别结果,对所述待识别对象行为追踪。
7.一种对象识别装置,其特征在于,所述对象识别装置法包括:
确定图像模块,用于基于多目近红外成像设备在暗光环境下对待识别对象拍摄得到的影像,确定所述待识别对象在暗光环境下的多张图像,所述多张图像中包括所述待识别对象在不同视角下的图像;
确...
【专利技术属性】
技术研发人员:李华强,
申请(专利权)人:北京小米移动软件有限公司,
类型:发明
国别省市:北京;11
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。