物体定位方法和装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN110197100A(43)申请公布日2019.09.03(21)申请号201810161862.0(22)申请日2018.02.27(71)申请人北京猎户星空科技有限公司地址100041北京市朝阳区团结湖街道工人体育场北甲二号盈科中心东侧裙楼三层(72)发明人马星辰王旭张彦刚(74)专利代理机构北京清亦华知识产权代理事务所(普通合伙)11201代理人张润(51)Int.Cl.G06K9/00(2006.01)G06K9/62(2006.01)G06N3/08(2006.01)权利要求书2页说明书12页附图5页(54)发明名称物体定位方法和装置(57)摘要本发明提出一种物体定位方法和装置，其中，方法包括：获取物体的目标图像，确定目标图像对应的各概率密度函数的目标参数值，根据各概率密度函数的目标参数值，生成混合概率密度函数，根据混合概率密度函数，确定目标图像中物体的目标位置。通过将模型学习各图像特征与各概率密度函数的参数值之间的映射关系，与概率密度函数确定物体位置相结合，解决了相关技术中仅能够对图像中符合固定个数的物体进行准确定位的技术问题，同时扩展了应用场景，提高了定位的效率。CN110197100ACN110197100A权利要求书1/2页1.一种物体定位方法，其特征在于，所述方法包括以下步骤：获取物体的目标图像；确定所述目标图像对应的各概率密度函数的目标参数值；根据各概率密度函数的目标参数值，生成混合概率密度函数；其中，所述混合概率密度函数用于指示所述目标图像中物体处于不同位置的概率；根据所述混合概率密度函数，确定所述目标图像中物体的目标位置。2.根据权利要求1所述的定位方法，其特征在于，所述根据所述混合概率密度函数，确定所述目标图像中物体的目标位置，包括：依据所述混合概率密度函数进行随机采样，得到所述目标图像中多个候选位置；根据所述多个候选位置，确定所述目标位置。3.根据权利要求2所述的定位方法，其特征在于，所述根据所述多个候选位置，确定所述目标位置，包括：根据所述多个候选位置之间的距离，对所述多个候选位置进行聚类，以得到至少一个聚簇；针对每一个聚簇，根据聚簇中所含候选位置的平均值，确定一个目标位置。4.根据权利要求3所述的定位方法，其特征在于，所述方法，还包括：对所述多个候选位置进行聚类，以得到至少一个聚簇之后，根据聚簇的个数，确定所述目标图像中呈现物体的个数；或者，确定所述目标图像中物体的目标位置之后，根据所述目标位置的个数，确定所述目标图像中呈现物体的个数。5.根据权利要求1所述的定位方法，其特征在于，所述参数值用于指示各概率密度函数的期望、方差和/或在混合概率密度函数中所占的权重；所述根据各概率密度函数的目标参数值，生成混合概率密度函数，包括：根据用于指示期望和方差的目标参数值，确定对应概率密度函数的期望和方差；根据用于指示权重的目标参数值，对确定期望和方差的概率密度函数进行加权求和，得到所述混合概率密度函数。6.根据权利要求1所述的定位方法，其特征在于，所述确定所述目标图像对应的各概率密度函数的目标参数值，包括：将所述目标图像输入经过训练的神经网络模型；所述神经网络模型已学习得到各图像特征与各概率密度函数的参数值之间的映射关系，包括用于进行特征提取的输入层，以及用于输出各概率密度函数的参数值的输出层；获取所述神经网络模型输出的各概率密度函数的目标参数值。7.根据权利要求6所述的定位方法，其特征在于，所述神经网络模型采用如下方式得到：获取经过标注的训练样本；其中，所述训练样本，是对一个或多个物体组合进行成像得到的图像；所述训练样本的标注，用于指示各概率密度函数中的一个概率密度函数的期望，所述标注的取值是根据所述训练样本成像的各物体中的其中一个物体成像区域所在位置确定的；采用所述经过标注的训练样本，对所述神经网络模型进行训练。2CN110197100A权利要求书2/2页8.一种物体定位装置，其特征在于，所述装置包括：获取模块，用于获取物体的目标图像；处理模块，用于确定所述目标图像对应的各概率密度函数的目标参数值；生成模块，用于根据各概率密度函数的目标参数值，生成混合概率密度函数；其中，所述混合概率密度函数用于指示所述物体的成像区域处于所述目标图像中不同位置的概率；定位模块，用于根据所述混合概率密度函数，确定所述物体的成像区域在所述目标图像中的目标位置。9.一种计算机设备，其特征在于，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，实现如权利要求1-7中任一所述的物体定位方法。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的物体