[发明专利]目标对象识别方法、电子设备和计算机可读存储介质

权利要求书

1.一种目标对象识别方法，其特征在于，包括：

获取第一图像；其中，所述第一图像包括同一帧的第一彩色图、第一红外图和第一深度图；

对所述第一彩色图、所述第一红外图和所述第一深度图进行像素对齐，得到像素对齐的第一图像；

将所述像素对齐的第一图像输入至预训练的随机森林模型，获得所述随机森林模型输出的所述第一图像中第一类像素点的数量；其中，所述随机森林模型用于判断像素点为第一类像素点或第二类像素点，所述第一类像素点为非遮挡、阴影区域的像素点，所述第二类像素点为遮挡、阴影区域的像素点；

计算所述第一类像素点的数量与所述第一图像的像素点总数的比值，若所述比值大于第一预设阈值，则将所述第一图像输入至预设的识别网络，进行目标对象识别；

所述对所述第一彩色图、所述第一红外图和所述第一深度图进行像素对齐，包括：

遍历所述第一红外图的像素点，根据所述第一红外图的像素点的坐标、所述第一红外图的像素点在所述深度图中对应的深度值和预设的对齐公式，确定所述第一红外图的像素点与所述第一彩色图的像素点的对应关系；

根据所述对应关系，对所述第一彩色图的像素点进行赋值，得到与所述第一红外图像素对齐的第一彩色图。

2.根据权利要求1所述的目标对象识别方法，其特征在于，所述预训练的随机森林模型基于包括像素对齐的同一帧的第二彩色图、第二红外图和第二深度图的第二图像，通过以下步骤训练：

根据所述第二彩色图的颜色空间特性，确定所述第二彩色图中的第一类像素点和第二类像素点；

根据所述第二红外图中各像素点的灰度值，确定所述第二红外图中的第一类像素点和第二类像素点；

根据所述第二深度图中各像素点的深度值，确定所述第二深度图中的第一类像素点和第二类像素点；

根据所述第二彩色图中的第一类像素点、所述第二红外图中的第一类像素点和所述第二深度图中的第一类像素点，确定所述第二图像的第一类像素点，并根据所述第二彩色图中的第二类像素点、所述第二红外图中的第二类像素点和所述第二深度图中的第二类像素点，确定所述第二图像的第二类像素点；

基于所述第二图像的第一类像素点和所述第二图像的第二类像素点生成样本集和测试集，对预设的随机森林模型进行训练。

3.根据权利要求2中所述的目标对象识别方法，其特征在于，所述第二彩色图为RGB空间图像，所述根据所述第二彩色图的颜色空间特性，确定所述第二彩色图中的第一类像素点和第二类像素点，包括：

获取所述RGB空间图像中的B分量图像和R分量图像；

对所述RGB空间图像进行颜色空间转换，获得HIS空间图像，并获取HIS空间图像中的I分量图像；

遍历所述第二彩色图的像素点，计算所述第二彩色图的像素点在B分量图像中的像素值与在R分量图像中的像素值的差值；

若所述差值的绝对值大于第二预设阈值，且所述第二彩色图的像素点在I分量图像中的亮度值小于第三预设阈值，则确定所述第二彩色图的像素点为所述第二彩色图中的第二类像素点；

若所述差值的绝对值不大于所述第二预设阈值，或所述第二彩色图的像素点在I分量图像中的亮度值不小于所述第三预设阈值，则确定所述第二彩色图的像素点为所述第二彩色图中的第一类像素点。

4.根据权利要求2所述的目标对象识别方法，其特征在于，所述根据所述第二红外图中各像素点的灰度值，确定所述第二红外图中的第一类像素点和第二类像素点，包括：

计算所述第二红外图的灰度值均值和灰度值标准差；

根据所述灰度值均值和所述灰度值标准差，确定灰度值范围；

遍历所述第二红外图的像素点，若所述第二红外图的像素点的灰度值位于所述灰度值范围之内，则确定所述第二红外图的像素点为所述第二红外图中的第一类像素点；

若所述第二红外图的像素点的灰度值位于所述灰度值范围之外，则确定所述第二红外图的像素点为所述第二红外图中的第二类像素点。