[發明專利]目標對象檢測方法、裝置、電子設備和存儲介質

有效

• 申請號: 201710487247.4
• 申請日: 2017-06-23
• 公開（公告）號: CN108229495B
• 公開（公告）日: 2020-07-17
• 發明（設計）人: 劉宇;閆俊杰
• 申請（專利權）人: 北京市商湯科技開發有限公司
• 主分類號: G06K9/46
• 分類號: G06K9/46;G06K9/62
• 代理公司: 北京康達聯禾知識產權代理事務所(普通合伙) 11461
• 代理人: 羅延紅;姚遠達

本發明實施例提供了一種目標對象檢測方法、裝置、電子設備和存儲介質，其中，所述方法包括：對待檢測的圖像進行目標尺度預測和目標特征識別，得到所述圖像中各目標對象的尺度特征圖，所述尺度特征圖用于預測各預設尺度下存在目標對象的置信度；根據所述尺度特征圖分別對各目標對象進行轉換，得到各目標對象的有效尺度特征圖，所述有效尺度特征圖為各預設尺度下存在目標對象的置信度符合預設條件的尺度特征圖；對所述有效尺度特征圖進行目標位置檢測，確定所述各目標對象的位置。本發明實施例無需對待檢測的圖像進行多次金字塔形式的縮放，節省了目標對象檢測的時間，而且，對于有效范圍之外的目標對象的尺度不予處理，提高了目標對象檢測的精度。

技術領域

本發明實施例涉及人工智能技術領域，尤其涉及一種目標對象檢測方法、裝置、電子設備和存儲介質。

背景技術

目標對象檢測是利用計算機自動檢測目標對象的技術，是模式檢測應用的一個重要領域。在目標對象檢測過程中，需要確定目標對象的位置、尺度和特征。

目前，在確定目標對象的位置時將包含目標對象的圖像經過多次金字塔形式的縮放，再利用卷積神經網絡確定不同尺度的目標對象的位置。

發明內容

本發明實施例提供了目標對象檢測技術方案。

根據本發明實施例的第一方面，提供了一種目標對象檢測方法，包括：對待檢測的圖像進行目標尺度預測和目標特征識別，得到所述圖像中各目標對象的尺度特征圖，所述尺度特征圖用于預測各預設尺度下存在目標對象的置信度；根據所述尺度特征圖分別對各目標對象進行轉換，得到各目標對象的有效尺度特征圖，所述有效尺度特征圖為各預設尺度下存在目標對象的置信度符合預設條件的尺度特征圖；對所述有效尺度特征圖進行目標位置檢測，確定所述各目標對象的位置。

可選地，所述根據所述尺度特征圖分別對各目標對象進行轉換，包括：根據所述尺度特征圖分別對各目標對象進行遞歸轉換,所述遞歸轉換用于獲得任意尺度大小的尺度特征圖。

可選地，所述根據所述尺度特征圖分別對各目標對象進行轉換，包括：根據所述尺度特征圖獲取所述各目標對象對應的最大尺度特征圖；分別根據各目標對象對應的最大尺度特征圖對各目標對象進行遞歸轉換。

可選地，所述根據所述尺度特征圖獲取所述各目標對象對應的最大尺度特征圖，包括：根據所述尺度特征圖確定像素最小的目標對象；根據所述像素最小的目標對象和預設的全卷積結構的遞歸轉換像素范圍獲取所述各目標對象對應的最大尺度特征圖。

可選地，所述根據所述像素最小的目標對象和預設的全卷積結構的遞歸轉換像素范圍獲取所述各目標對象對應的最大尺度特征圖，包括：將所述像素最小的目標對象的尺度特征圖縮放至所述遞歸轉換像素范圍；將縮放后的尺度特征圖確定為所述各目標對象對應的最大尺度特征圖。

可選地，所述根據所述尺度特征圖分別對各目標對象進行轉換，包括：根據所述尺度特征圖分別對各目標對象進行轉換，得到與轉換之前的尺度特征圖具有相同語義信息的有效尺度特征圖。

可選地，所述對待檢測的圖像進行目標尺度預測和目標特征識別，得到所述圖像中各目標對象的尺度特征圖，包括：基于任意結構的全卷積網絡對所述圖像進行N個尺度的目標尺度預測和目標特征識別，得到所述各目標對象的尺度特征圖，所述N為預設尺度的數量，所述N為大于零的整數，所述全卷積網絡的最后一層為全局池化層，所述全卷積網絡的通道數為N。

可選地，所述對待檢測的圖像進行目標尺度預測和目標特征識別，得到所述圖像中各目標對象的尺度特征圖，包括：對所述圖像進行目標尺度預測，得到各預設尺度下存在目標對象的目標對象置信度信息；根據所述目標對象置信度信息和預設目標對象閾值，確定所述圖像中的各目標對象的尺度；根據所述各目標對象的尺度和所述各預設尺度的范圍進行目標特征識別，得到所述各目標對象的尺度特征圖。