[发明专利]检测摄像设备移动的方法、装置、计算机设备和存储介质在审
申请号: | 202110344221.0 | 申请日: | 2021-03-30 |
公开(公告)号: | CN113158831A | 公开(公告)日: | 2021-07-23 |
发明(设计)人: | 何嘉斌;刘廷曦;翁仁亮;王青天 | 申请(专利权)人: | 北京爱笔科技有限公司 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/46;G06K9/62;G06N3/04;G06N3/08 |
代理公司: | 北京华进京联知识产权代理有限公司 11606 | 代理人: | 方晓燕 |
地址: | 100094 北京市海淀区北清路*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 检测 摄像 设备 移动 方法 装置 计算机 存储 介质 | ||
1.一种检测摄像设备移动的方法,其特征在于,所述方法包括:
获取摄像设备在不同时刻拍摄的两帧图像,得到第一图像和第二图像;
提取所述第一图像和第二图像中的关键点信息;
将所述关键点信息输入训练好的图注意力网络模型,得到所述第一图像对应的第一注意力特征集合和所述第二图像对应的第二注意力特征集合;
根据所述第一注意力特征集合以及所述第二注意力特征集合进行计算,得到匹配矩阵;
根据所述匹配矩阵判断所述摄像设备是否移动。
2.根据权利要求1所述的方法,其特征在于,所述将所述关键点信息输入训练好的图注意力网络模型,得到所述第一图像对应的第一注意力特征集合和所述第二图像对应的第二注意力特征集合,包括:
将所述关键点信息输入训练好的图注意力网络模型,将所述关键点信息通过多层感知机进行编码,得到所述第一图像中关键点信息对应的第一张量集合和所述第二图像中关键点信息对应的第二张量集合;
将所述第一张量集合中每一个第一张量进行自注意力和交叉注意力处理,得到第一注意力特征集合,将所述第二张量集合中每一个第二张量进行自注意力和交叉注意力处理,得到第二注意力特征集合。
3.根据权利要求1所述的方法,其特征在于,所述根据所述第一注意力特征集合以及所述第二注意力特征集合进行计算,得到匹配矩阵,包括:
在所述第一注意力特征集合加入无法匹配项,得到第一最终特征集合,在所述第二注意力特征集合加入无法匹配项,得到第二最终特征集合;
根据所述第一最终特征集合与所述第二最终特征集合进行计算,得到匹配矩阵;
所述根据所述匹配矩阵判断所述摄像设备是否移动,包括:
根据所述匹配矩阵得到所述第一图像与第二图像的匹配点;
根据所述第一图像与第二图像的匹配点计算变换矩阵,根据所述变换矩阵判断摄像设备是否发生移动。
4.根据权利要求3所述的方法,其特征在于,所述根据所述第一图像与第二图像的匹配点计算变换矩阵,根据所述变换矩阵判断摄像设备是否发生移动,包括:
依次从所述第一图像与第二图像的匹配点中选取四个匹配点,根据所述四个匹配点计算从所述第一图像变换到所述第二图像的变换矩阵,得到多个变换矩阵;
计算所述第一图像经过所述多个变换矩阵中的每一个变换矩阵投影后能够与所述第二图像匹配的匹配点数;
根据所述匹配点数中最大值对应的变换矩阵对所述第一图像中对应的四个匹配点点进行变换,得到变换后的四个匹配点;
计算所述四个匹配点与变换后的四个匹配点之间的距离,当所述四个距离中任意一个距离超过了预设阈值,则判断所述摄像设备发生了移动。
5.根据权利要求1所述的方法,其特征在于,所述将所述关键点信息输入训练好的图注意力网络模型,得到所述第一图像对应的第一注意力特征集合和所述第二图像对应的第二注意力特征集合,包括:
将所述关键点信息输入训练好的知识蒸馏模型,得到所述第一图像对应的第一注意力特征集合和所述第二图像对应的第二注意力特征集合,其中所述训练好的知识蒸馏模型是根据所述训练好的图注意力网络模型进行提取训练得到的。
6.根据权利要求1所述的方法,其特征在于,所述图注意力网络模型的训练过程,包括:
获取所述摄像设备拍摄的第一样本图像,根据变换矩阵对将所述第一样本图像进行变换得到第二样本图像;
提取所述第一样本图像和第二样本图像中的关键点信息,根据所述关键点信息确定第一样本图像和第二样本图像中关键点的匹配关系;
将所述第一样本图像、所述第二样本图像以及所述关键点的匹配关系一起输入初始的图注意力网络模型,得到样本匹配矩阵;
根据所述样本匹配矩阵与所述关键点的匹配关系计算损失值,当所述损失值大于预设准确率,得到所述训练好的图注意力网络模型。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京爱笔科技有限公司,未经北京爱笔科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110344221.0/1.html,转载请声明来源钻瓜专利网。