[發明專利]物體檢測方法和裝置

在審

• 申請號: 201810169247.4
• 申請日: 2018-02-28
• 公開（公告）號: CN108399432A
• 公開（公告）日: 2018-08-14
• 發明（設計）人: 王畢才;呂廷迅;譚勇;袁翔
• 申請（專利權）人: 成都果小美網絡科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46;G06N3/04
• 代理公司: 北京萬思博知識產權代理有限公司 11694
• 代理人: 范曉斌

本申請公開一種物體檢測方法和裝置，其中方法包括：訓練樣本獲得步驟：將物體的圖像和弱光背景圖像輸入到循環生成對抗網絡中，生成所述物體在弱光背景下的訓練樣本圖像；模型訓練步驟：利用所述訓練樣本圖像訓練物體檢測模型，使所述物體檢測模型能夠識別所述訓練樣本圖像中的所述物體；和物體檢測步驟：將待檢測圖像輸入訓練后的所述物體檢測模型，檢測所述待檢測圖像中的物體。利用該方法和裝置，能夠得到不同光照條件下，尤其是弱光條件下的物體圖像，從而為后續模型提供充足的訓練樣本，從而使得物體檢測模型對該類圖像的識別成功率升高。

技術領域

本申請涉及圖像處理領域，特別是涉及一種物體檢測方法和裝置。

背景技術

通常，現有的智能無人售貨架通過高速鏡頭對購買者的動作進行攝像或者拍照，通過對拍攝圖像的內容進行分析，從而判斷用戶購買了哪些商品。在整個購買流程中，物體檢測識別是關鍵環節。然而，當柜體內部光線環境變暗，例如，柜體內光線隨著外部環境變暗而變暗，或者柜體內安裝的照明設備的損壞會導致物體光照的不均勻，或者用戶購買物體是對物體進行了遮擋等，導致后續算法不能正確識別圖像中物體的特征，從而影響了物體的檢測結果。因此，傳統的物體檢測識別算法在這種復雜光線場景條件下識別成功率較低，結算時容易出現錯誤，致使用戶購買體驗變差。

發明內容

本申請的目的在于克服上述問題或者至少部分地解決或緩減解決上述問題。

根據本申請的一個方面，提供了一種物體檢測方法，該方法包括：

訓練樣本獲得步驟：將物體的圖像和弱光背景圖像輸入到循環生成對抗網絡(Cycle-Generative Adversarial Networks,CycleGAN)中，生成所述物體在弱光背景下的訓練樣本圖像；

模型訓練步驟：利用所述訓練樣本圖像訓練物體檢測模型，使所述物體檢測模型能夠識別所述訓練樣本圖像中的所述物體；和

物體檢測步驟：將待檢測圖像輸入訓練后的所述物體檢測模型，檢測所述待檢測圖像中的物體。

用該方法，能夠得到不同光照條件下，尤其是弱光條件下的物體圖像，從而為后續模型提供充足的訓練樣本，從而使得物體檢測模型對該類圖像的識別成功率升高。

可選地，所述訓練樣本獲得步驟包括：

第一圖像生成步驟：基于所述物體的圖像和弱光背景圖像生成所述物體在弱光背景下的第一圖像；

第一圖像判斷步驟：對所述第一圖像進行判斷，如果所述第一圖像符合要求，則結束訓練，得到所述訓練樣本，如果所述第一圖像不符合要求，則執行第一鑒別步驟；

第一鑒別步驟：對所述第一圖像進行鑒別，如果所述第一圖像滿足第一鑒別要求，則執行第二圖像生成步驟；

第二圖像生成步驟：將所述第一圖像還原，生成第二圖像，其中，所述第二圖像的光照背景接近所述物體的圖像的光照背景；和

第二鑒別步驟：對所述第二圖像進行鑒別，如果所述第二圖像滿足第二鑒別要求，則將所述第二圖像作為所述物體的圖像重新執行所述第一圖像生成步驟。

可選地，所述待檢測圖像通過如下步驟獲得：

圖像處理步驟：將原圖像進行尺度不變特征變換(Scale-Invariant FeatureTransform,SIFT)處理，得到第一特征點集合；

目標圖像處理步驟：將目標圖像進行尺度不變特征變換處理，得到第二特征點集合；

特征點匹配步驟：將所述第一特征點集合的特征點和所述第二特征點集合的特征點進行匹配，得到第三特征點集合，所述第三特征點集合包括所述第一特征點集合中與所述第二特征點集合的特征點匹配的特征點；和