[發明專利]一種物體檢測方法及裝置

有效

• 申請號: 201710652233.3
• 申請日: 2017-08-02
• 公開（公告）號: CN107545263B
• 公開（公告）日: 2020-12-15
• 發明（設計）人: 王生進;李棟
• 申請（專利權）人: 清華大學
• 主分類號: G06K9/32
• 分類號: G06K9/32;G06K9/62;G06K9/66;G06N3/04;G06N3/08
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 王瑩;李官

本發明實施例提供一種物體檢測方法及裝置，所述方法包括：接收樣本圖片，訓練所述樣本圖片并標注所述樣本圖片中各個感興趣物體的軸對齊矩形邊框位置，獲得所述樣本圖片的圖片特征圖；通過對所述圖片特征圖進行預設的卷積操作和預設的反卷積操作，獲得與所述樣本圖片的尺寸大小一致的輸出特征圖；通過將圖像復原L2損失函數、窗口分類Softmax損失函數和窗口校正平滑L1損失函數三種損失函數線性加和訓練網絡，獲得目標訓練網絡；輸入所述輸出特征圖到所述目標訓練網絡，獲得初始檢測結果，對所述初始檢測結果進行非極大值抑制，獲得所述樣本圖片中各個感興趣物體的檢測結果。本發明實施例實現了對圖片中物體的檢測識別率的提高，并盡可能地檢測到圖片中具有不同尺寸的目標，特別是小尺寸目標。

技術領域

本發明涉及計算機視覺技術領域，具體涉及一種物體檢測方法及裝置。

背景技術

物體檢測是計算機視覺領域的核心任務之一，是圖像理解和認知的關鍵技術，其根本目的是依靠計算機算法從靜態或動態圖像中識別感興趣的物體。物體檢測不僅具有重要的理論研究價值，是物體跟蹤、身份與屬性識別、圖像語義描述等其他計算機視覺任務的研究基礎，而且具有重要的實際應用價值和廣闊的應用前景。例如，基于車載攝像機的車輛檢測技術在智能輔助駕駛與無人駕駛領域有著重要應用，通過檢測行車周圍環境中的其他車輛目標，動態分析其與當前車輛的車距，能夠消解潛在的車車沖突和可能發生的事故，從而提高車輛行駛安全性和交通通行效率，為保障人民生命安全和道路交通安全提供技術支撐。在安防視頻監控領域，車輛檢測技術也有著重要的應用前景，是后續車輛追蹤、車牌識別、車輛屬性識別(型號、顏色等)等任務的基礎。同時，車輛檢測還能夠應用于智能交通流量統計系統，通過自動檢測視頻流中的車輛目標并計數，能夠自動統計重要道路、關卡等場合的車流量，提升交通系統效率。因此，車輛檢測技術具有重要的研究價值和廣泛的應用前景。

目前主流的物體檢測技術采用深度學習的框架，利用事先收集的大量目標樣本訓練神經網絡，輸出圖片中目標的類型和位置。基于深度學習的物體檢測方法相比利用傳統特征和分類器的方法識別性能更高，能夠應用于復雜場景中的目標檢測。然而，許多實際應用場合對檢測識別率要求較高，需要盡可能地檢測到圖片中具有不同尺寸的目標，特別是小尺寸目標。

因此，如何提高檢測識別率，盡可能檢測到圖片中不同尺寸的目標，特別是小尺寸目標，是需要亟待解決的問題。

發明內容

針對現有技術中的缺陷，本發明實施例提供一種物體檢測方法及裝置。

第一方面，本發明實施例提供一種物體檢測方法，所述方法包括：

接收樣本圖片，訓練所述樣本圖片并標注所述樣本圖片中各個感興趣物體的軸對齊矩形邊框位置，獲得所述樣本圖片的圖片特征圖；

通過對所述圖片特征圖進行預設的卷積操作和預設的反卷積操作，獲得與所述樣本圖片的尺寸大小一致的輸出特征圖；

通過將圖像復原L2損失函數、窗口分類Softmax損失函數和窗口校正平滑L1損失函數三種損失函數線性加和訓練網絡，獲得目標訓練網絡；

輸入所述輸出特征圖到所述目標訓練網絡，獲得初始檢測結果，對所述初始檢測結果進行非極大值抑制處理，獲得所述樣本圖片中各個感興趣物體的檢測結果。

可選的，所述圖像復原L2損失函數具體包括：

其中，b表示輸入的所述樣本圖片的圖片特征圖；

f(b)表示對所述圖片特征圖進行所述預設的卷積操作與所述預設的反卷積操作后獲得的所述輸出特征圖。

可選的，所述窗口分類Softmax損失函數具體包括：

其中，z是softmaxwithloss損失層輸入的圖片特征圖；