本申请涉及监控，特别是涉及一种场景变化检测方法、装置、计算机设备和计算机可读存储介质。
背景技术：
1、对于仓库、野外军区等动态目标较少的目标场景的巡逻，现有技术可通过无人车、无人机等巡逻设备来获取目标场景的图像，然后基于目标场景的光照变化进行光谱分析、利用神经网络检测等方法判断目标场景是否发生变化，从而实现巡逻。然而，由于白天和晚上的光线差异较大，光谱分析等方法判断目标场景是否发生变化效果不佳，同时，利用神经网络检测等方法对硬件算力的要求较高。因此，如何实现以较低的算力准确判断目标场景是否发生变化，是需要解决的问题。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种场景变化检测方法、装置、计算机设备和计算机可读存储介质，以在实现准确判断目标场景是否发生变化的同时，降低对算力的要求。
2、第一方面，本申请提供了一种场景变化检测方法，应用于巡逻设备，该方法包括：
3、获取目标场景的实时数据和历史数据；
4、基于回环检测，得到实时数据中当前帧图像的特征点集合作为当前帧点集，以及历史数据中与当前帧点集对应的参考帧点集；
5、在检测到回环的情况下，基于当前帧点集与参考帧点集的匹配情况，确定对应的目标参考点集；并基于目标参考点集，获取对应的目标当前点集；
6、根据实时数据确定目标当前点集对应的当前深度信息；并根据历史数据确定目标参考点集对应的参考深度信息；
7、基于当前深度信息与参考深度信息之间的差异，确定目标场景的变化情况。
8、在其中一个实施例中，基于当前帧点集与参考帧点集的匹配情况，确定对应的目标参考点集，包括：
9、基于当前帧点集与参考帧点集的匹配情况，得到目标参考点集包括的目标参考第一点集和目标参考第二点集；
10、基于目标参考点集，获取对应的目标当前点集，包括：
11、从当前帧点集中，确定出与目标参考第一点集匹配的区域作为目标当前点集的目标当前第一点集；
12、基于目标参考第一点集和目标参考第二点集之间的相对位置，得到平移向量；基于目标当前第一点集以及平移向量，得到目标当前点集的目标当前第二点集。
13、在其中一个实施例中，基于当前帧点集与参考帧点集的匹配情况，得到目标参考点集包括的目标参考第一点集和目标参考第二点集，包括：
14、基于当前帧点集与参考帧点集的匹配情况，得到参考匹配点集和参考非匹点集；
15、基于特征点密集度和预设尺寸区域，对参考匹配点集和参考非匹点集进行裁剪，得到目标参考第一点集和目标参考第二点集。
16、在其中一个实施例中，参考深度信息包括与目标参考第一点集对应的参考第一深度值，以及与目标参考第二点集对应的参考第二深度值；当前深度信息包括与目标当前第一点集对应的当前第一深度值，以及与目标当前第二点集对应的当前第二深度值；基于当前深度信息与参考深度信息之间的差异，确定目标场景的变化情况，包括：确定参考第一深度值与当前第一深度值之间的差值作为第一差值；确定参考第二深度值与当前第二深度值之间的差值作为第二差值；基于第一差值和第二差值的关系，确定目标场景的变化情况。
17、在其中一个实施例中，实时数据还包括当前帧点云信息；
18、根据实时数据确定目标当前点集对应的当前深度信息，包括：基于目标当前点集在当前帧图像中的位置，确定与目标当前点集对应的视场区域作为第一视场区域；按预设比例对第一视场区域进行扩大，得到第二视场区域；
19、提取当前帧点云信息中匹配于第二视场区域的点云信息，得到与目标当前帧点集对应的深度信息作为当前深度信息。
20、在其中一个实施例中，基于当前深度信息与参考深度信息之间的差异，确定目标场景的变化情况，包括：基于相同标准分别在目标参考点集和目标当前点集中构建坐标系，从坐标系中选取多个坐标相同的参考点；根据多个参考点对应的深度信息，分别得到当前平均深度值和参考平均深度值；基于当前平均深度值与参考平均深度值之间的差值，确定目标场景的变化情况。
21、在其中一个实施例中，在确定目标场景的变化情况之后，方法还包括：
22、将当前帧图像作为历史帧图像；将实时数据中的点云信息投影到历史帧图像，得到历史帧深度图像；根据历史帧深度图像，更新历史数据。
23、第二方面，本申请还提供了一种场景变化检测装置，包括：
24、获取模块，用于获取目标场景的实时数据和历史数据；
25、分析模块，用于基于回环检测，得到实时数据中当前帧图像的特征点集合作为当前帧点集，以及历史数据中与当前帧点集对应的参考帧点集；在检测到回环的情况下，基于当前帧点集与参考帧点集的匹配情况，确定对应的目标参考点集；并基于目标参考点集，获取对应的目标当前点集；根据实时数据确定目标当前点集对应的当前深度信息；并根据历史数据确定目标参考点集对应的参考深度信息；
26、确定模块，用于基于当前深度信息与参考深度信息之间的差异，确定目标场景的变化情况。
27、第三方面，本申请还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现第一方面所述方法的步骤。
28、第四方面，本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现第一方面所述方法的步骤。
29、第五方面，本申请还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现第一方面所述方法的步骤。
30、上述场景变化检测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品，同时在检测准确性与降低检测所需算力这两方面具备一定的作用效果；具体地，在检测的准确性方面：通过检测到回环的情况下，确定出当前深度信息与参考深度信息之间的差异，从而实对目标场景变化的检测，这避免了诸如光照变化等因素对目标场景变化检测的影响，从而提高了目标场景变化检测的准确性；同时，目标参考点集与目标当前点集均蕴含了与该匹配情况相关的信息，从而使得根据目标参考点集、目标当前点集所确定的当前深度信息与参考深度信息也具备与该匹配情况相关的信息，进而实现了根据该匹配情况来对目标场景变化进行检测，进一步提高了目标场景变化检测的准确性。在降低检测所需的算力方面：通过当前帧点集与参考帧点集的匹配情况，确定对应的目标参考点集；并基于已有的点集（目标参考点集），获取对应的目标当前点集，不需要单独计算目标当前点集，这有助于降低计算量；同时，基于当前深度信息与参考深度信息的差异来确定目标场景变化情况，这仅需要较少的算力即可实现。
1.一种场景变化检测方法，其特征在于，应用于巡逻设备，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，
3.根据权利要求2所述的方法，其特征在于，所述基于所述当前帧点集与所述参考帧点集的匹配情况，得到所述目标参考点集包括的目标参考第一点集和目标参考第二点集，包括：
4.根据权利要求2或3所述的方法，其特征在于，
5.根据权利要求1所述的方法，其特征在于，所述实时数据还包括当前帧点云信息；
6.根据权利要求1所述的方法，其特征在于，所述基于所述当前深度信息与所述参考深度信息之间的差异，确定所述目标场景的变化情况，包括：
7.根据权利要求1所述的方法，其特征在于，在所述确定所述目标场景的变化情况之后，所述方法还包括：
8.一种场景变化检测装置，其特征在于，所述装置包括：
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
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，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
