[發(fā)明專利]一種目標(biāo)檢測方法、裝置、計(jì)算機(jī)設(shè)備及可讀存儲(chǔ)介質(zhì)

有效

• 申請?zhí)枺?/td>: 201810267167.2
• 申請日: 2018-03-28
• 公開（公告）號(hào): CN108416327B
• 公開（公告）日: 2022-04-29
• 發(fā)明（設(shè)計(jì)）人: 楊靜林
• 申請（專利權(quán)）人: 京東方科技集團(tuán)股份有限公司
• 主分類號(hào): G06V40/20
• 分類號(hào): G06V40/20;G06K9/62;G06N3/04;G06V10/80
• 代理公司: 北京安信方達(dá)知識(shí)產(chǎn)權(quán)代理有限公司 11262
• 代理人: 解婷婷;曲鵬

本發(fā)明實(shí)施例公開了一種目標(biāo)檢測方法、裝置、計(jì)算機(jī)設(shè)備及可讀存儲(chǔ)介質(zhì)。該目標(biāo)檢測方法包括：采用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行目標(biāo)檢測，該卷積神經(jīng)網(wǎng)絡(luò)包括多個(gè)卷積層；對至少一個(gè)卷積層進(jìn)行分支卷積處理，得到分支檢測結(jié)果；對分支檢測結(jié)果進(jìn)行融合處理，或者，對分支檢測結(jié)果和卷積神經(jīng)網(wǎng)絡(luò)中最后一層卷積層的檢測結(jié)果進(jìn)行融合處理，并將融合處理的結(jié)果傳輸給全連接層。本發(fā)明實(shí)施例解決了基于卷積神經(jīng)網(wǎng)絡(luò)的行人檢測中處理速度慢和小目標(biāo)難以檢測的問題。

技術(shù)領(lǐng)域

本申請涉及但不限于圖像處理技術(shù)領(lǐng)域，尤指一種目標(biāo)檢測方法、裝置、計(jì)算機(jī)設(shè)備及可讀存儲(chǔ)介質(zhì)。

背景技術(shù)

隨著圖像處理技術(shù)的發(fā)展，已將圖像處理技術(shù)應(yīng)用于目標(biāo)檢測，在實(shí)際應(yīng)用中，以行人為目標(biāo)的檢測具有較高的應(yīng)用價(jià)值。

卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network，簡稱為：CNN)在圖像處理領(lǐng)域中，尤其是目標(biāo)的檢測識(shí)別方面，表現(xiàn)出了極大的優(yōu)勢。在圖像的目標(biāo)檢測中，行人是最為常見和具有實(shí)際應(yīng)用意義的目標(biāo)，但是，基于CNN的行人檢測方式中處理速度較慢；目前，相比于其他基于CNN的算法，yolo算法在實(shí)時(shí)性方面具有比較明顯的優(yōu)勢；但是，該yolo算法并不針對行人這一特定目標(biāo)，尤其是在一些具有多個(gè)行人且目標(biāo)較小的情況，通過yolo算法檢測行人的效果較差。

發(fā)明內(nèi)容

為了解決上述技術(shù)問題，本發(fā)明實(shí)施例提供了一種目標(biāo)檢測方法、裝置、計(jì)算機(jī)設(shè)備及可讀存儲(chǔ)介質(zhì)，解決了基于CNN的行人檢測中處理速度慢和小目標(biāo)難以檢測的問題。

本發(fā)明實(shí)施例提供一種目標(biāo)檢測方法，包括：

采用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行目標(biāo)檢測，所述卷積神經(jīng)網(wǎng)絡(luò)包括多個(gè)卷積層；

對至少一個(gè)所述卷積層進(jìn)行分支卷積處理，得到分支檢測結(jié)果；

對所述分支檢測結(jié)果進(jìn)行融合處理，或者，對所述分支檢測結(jié)果和所述卷積神經(jīng)網(wǎng)絡(luò)中最后一層卷積層的檢測結(jié)果進(jìn)行融合處理，并將所述融合處理的結(jié)果傳輸給全連接層。

可選地，如上所述的目標(biāo)檢測方法中，所述對至少一個(gè)所述卷積層進(jìn)行分支卷積處理，包括：

對每個(gè)進(jìn)行分支卷積處理的卷積層進(jìn)行一次或多次并行的分支卷積處理，對不同卷積層進(jìn)行分支卷積處理的次數(shù)為相同的或不同的；

其中，對不同卷積層進(jìn)行分支卷積處理時(shí)采用的卷積核的大小為相同的或不同的，對同一卷積層進(jìn)行多次并行的分支卷積處理時(shí)采用的卷積核的大小為相同的或不同的。

可選地，如上所述的目標(biāo)檢測方法中，

所述進(jìn)行分支卷積處理的卷積層包括所述卷積神經(jīng)網(wǎng)絡(luò)中最后一層卷積層，所述進(jìn)行融合處理，包括：

對每個(gè)進(jìn)行分支卷積處理的卷積層的每個(gè)分支檢測結(jié)果進(jìn)行融合處理。

可選地，如上所述的目標(biāo)檢測方法中，

所述進(jìn)行分支卷積處理的卷積層不包括所述卷積神經(jīng)網(wǎng)絡(luò)中最后一層卷積層，所述進(jìn)行融合處理，包括：

對每個(gè)進(jìn)行分支卷積處理的卷積層的每個(gè)分支檢測結(jié)果和所述卷積神經(jīng)網(wǎng)絡(luò)中最后一層卷積層的檢測結(jié)果進(jìn)行融合處理。

可選地，如上所述的目標(biāo)檢測方法中，所述卷積神經(jīng)網(wǎng)絡(luò)還包括間隔設(shè)置于不同卷積層之后的多個(gè)池化層。

可選地，如上所述的目標(biāo)檢測方法中，所述對至少一個(gè)所述卷積層進(jìn)行分支卷積處理，包括：

采用n*m的卷積核對至少一個(gè)所述卷積層進(jìn)行分支卷積處理，其中，nm，n和m為正整數(shù)。

可選地，如上所述的目標(biāo)檢測方法中，所述卷積神經(jīng)網(wǎng)絡(luò)為VGG網(wǎng)絡(luò)。