申请/专利权人：南京大学;南京和光智能制造研究院有限公司

申请日：2020-12-25

公开（公告）日：2024-03-19

公开（公告）号：CN112598738B

主分类号：G06F30/27

分类号：G06F30/27

优先权：

专利状态码：有效-授权

法律状态：2024.03.19#授权;2021.04.23#实质审查的生效;2021.04.02#公开

摘要：本发明公开了一种基于深度学习的人物定位方法，包括：获取数据集并通过类别标签对数据集进行筛选处理，训练获得深度学习模型；在待识别场景中配置摄像头，并选择并获取边界点在图像中的像素坐标、在待识别场景中的仿射后的像素坐标和实际坐标；计算坐标转换矩阵和线性关系函数；利用深度学习模型对摄像头采集的图像进行人物检测，获得人物像素坐标；通过坐标转换矩阵得到人物仿射后的像素坐标，根据线性关系函数换算得到人物实际坐标；输出并实时显示人物定位结果，包括人物图像选框和人物实际坐标。采用前述方法，能够精准判断待识别场景中人物的同时，实时显示人物坐标，相较于现有技术运行速度得到显著提升。

主权项：1.一种基于深度学习的人物定位方法，其特征在于，包括如下步骤：步骤1，获取数据集，通过类别标签对所述数据集进行筛选处理，使筛选处理后的数据集包含人物类别和其他类别，利用所述筛选处理后的数据集训练获得深度学习模型；步骤2，在待识别场景中配置摄像头，并选择所述待识别场景中的边界点，获取所述边界点在图像中的像素坐标、在待识别场景中的仿射后的像素坐标和在识别场景中的实际坐标，所述图像通过摄像头采集，所述边界点为至少三个不在一条直线上的点；步骤3，根据所述边界点在图像中的像素坐标和在待识别场景中的仿射后的像素坐标计算坐标转换矩阵，根据所述在待识别场景中的仿射后的像素坐标和在待识别场景中的实际坐标计算线性关系函数；步骤4，利用训练得到的深度学习模型对所述摄像头采集的图像进行人物检测，获得人物像素坐标；步骤5，通过所述坐标转换矩阵将人物像素坐标换算得到人物仿射后的像素坐标，根据所述线性关系函数将人物仿射后的像素坐标换算得到人物实际坐标；步骤6，输出并实时显示人物定位结果，所述人物定位结果包括人物图像选框和人物实际坐标。

全文数据：

权利要求：

百度查询： 南京大学;南京和光智能制造研究院有限公司 一种基于深度学习的人物定位方法

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