申请/专利权人：山东科技大学

申请日：2021-03-04

公开（公告）日：2021-07-20

公开（公告）号：CN113139569A

主分类号：G06K9/62(20060101)

分类号：G06K9/62(20060101);G06N3/04(20060101);G06N3/08(20060101);G06T7/62(20170101);G06F17/18(20060101)

优先权：

专利状态码：有效-授权

法律状态：2022.04.22#授权;2021.08.06#实质审查的生效;2021.07.20#公开

摘要：本发明实施例提供目标分类检测方法、装置与系统，以提高目标分类检测的准确率。在本发明实施例中，基于点云数据进行分类检测，与传统视频传感器的图像信息相比，基于点云数据的目标检测结果不会受到复杂背景的影响，并对光照条件依赖较小，可以准确检测出高速运行的目标物。同时，本发明实施例所提取的特征包括高宽比、点云个数、水平投影特征以及竖直投影特征，相对传统的图像信息特征提取，所提取的特征维度更高，因此，效率更高，运行速度更快。

主权项：1.一种目标分类检测方法，其特征在于，包括：获取点云数据；所述点云数据包括动态事件传感器所检测到的动态事件所对应的数据点；每一数据点包括：水平位置和竖直位置；在所述点云数据中提取目标点云集合；所述目标点云集合包括：目标动态事件所对应的点云集合；计算目标点云集合的尺寸特征；其中，所述尺寸特征至少包括：目标点云集合的最小外接框高宽比，以及，所述目标点云集合所包含的数据点的个数；提取所述目标点云集合的水平投影特征；其中，所述水平投影特征包括：第一概率密度函数曲线的最小值、最大值、均值和标准差中的至少一种；所述第一概率密度函数曲线用于表征所述目标点云集合在水平方向上数据点个数的概率分布密度；提取所述目标点云集合的竖直投影特征；其中，所述竖直投影特征包括：第二概率密度函数曲线的最小值、最大值、均值和标准差中的至少一种；所述第二概率密度函数曲线用于表征所述目标点云集合在竖直方向上数据点个数的概率分布密度；将尺寸特征、水平投影特征和竖直投影特征组成特征向量；将所述特征向量进行标准化处理；将标准化的特征向量输入分类神经网络，由所述分类神经网络输出目标分类预测结果；所述目标分类预测结果包括：各预设分类所对应的概率值；其中概率值最大的预设分类为所述目标动态事件的分类检测结果。

全文数据：

权利要求：

百度查询： 山东科技大学 目标分类检测方法、装置与系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD