[發明專利]物體檢測方法、裝置、設備及存儲介質

在審

• 申請號: 201810886301.7
• 申請日: 2018-08-06
• 公開（公告）號: CN109063651A
• 公開（公告）日: 2018-12-21
• 發明（設計）人: 楊少雄;趙晨
• 申請（專利權）人: 百度在線網絡技術（北京）有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32
• 代理公司: 北京同立鈞成知識產權代理有限公司 11205
• 代理人: 楊澤;劉芳

本申請實施例提供一種物體檢測方法、裝置、設備及存儲介質，通過獲取圖像，所述圖像上包括目標物體；基于預設模型檢測所述目標物體在所述圖像上的第一區域；在所述第一區域上檢測獲得所述目標物體。本申請實施例提供的技術方案，能夠降低物體檢測的計算量，降低物體檢測方法對設備處理能力的要求。

技術領域

本申請實施例涉及計算機技術領域，尤其涉及一種物體檢測方法、裝置、設備及存儲介質。

背景技術

在現有的基于圖像的物體檢測方法中，為了保證檢測精度通常需要對整張圖像上的全部數據進行精確的計算，并通過一系列的復雜運算后才能得到準確的檢測結果。其計算量和復雜程度往往很高，不適用于手機等處理或運算能力較差的終端設備，限制了物體檢測技術在這些終端上的應用。

發明內容

本申請實施例提供一種物體檢測方法、裝置、設備及存儲介質，用以降低物體檢測的計算量，使得手機等處理能力較弱的終端設備也能夠實現高精度的物體檢測。

本申請實施例第一方面提供一種物體檢測方法，包括：獲取圖像，所述圖像上包括目標物體；基于預設模型檢測所述目標物體在所述圖像上的第一區域；在所述第一區域上檢測獲得所述目標物體。

本申請實施例第二方面提供一種物體檢測裝置，包括：獲取模塊，用于獲取圖像，所述圖像上包括目標物體；第一檢測模塊，用于基于預設模型檢測所述目標物體在所述圖像上的第一區域；第二檢測模塊，用于在所述第一區域上檢測獲得所述目標物體。

本申請實施例第三方面提供一種終端設備，包括：一個或多個處理器；存儲裝置，用于存儲一個或多個程序，當所述一個或多個程序被所述一個或多個處理器執行，使得所述一個或多個處理器實現如上述第一方面所述的方法。

本申請實施例第四方面提供一種計算機可讀存儲介質，其上存儲有計算機程序，該程序被處理器執行時實現如上述第一方面所述的方法。

基于以上各方面，本申請實施例通過獲取圖像，基于預設模型檢測目標物體在圖像上的第一區域，通過對第一區域進行物體檢測來獲得目標物體。由于本申請實施例中不是像現有技術那樣通過對整張圖像上的全部數據進行計算來檢測獲得目標物體的，而是先基于預設模型檢測目標物體在圖像上的區域，再進一步基于第一區域檢測目標物體，由于第一區域包含在整張圖像內，其數據量小于整張圖像的全部數據量，因而本申請實施例基于第一區域檢測目標物體，能夠減少計算量，降低物體檢測對設備處理能力的要求，從而使得諸如手機、平板電腦等處理能力較弱的終端設備也能夠實現高精度的物體檢測。

應當理解，上述發明內容部分中所描述的內容并非旨在限定本申請的實施例的關鍵或重要特征，亦非用于限制本申請的范圍。本公申請的其它特征將通過以下的描述變得容易理解。

附圖說明

圖1是本申請實施例提供的一種檢測場景示意圖；

圖2是本申請實施例提供的一種物體檢測方法的流程圖；

圖3是本申請實施例提供的一種物體檢測方法的流程圖；

圖4是本申請實施例提供的一種步驟S12的執行方法流程圖；

圖5是本申請實施例提供的一種物體檢測裝置的結構示意圖；

圖6是本申請實施例提供的一種物體檢測裝置的結構示意圖；

圖7是本申請實施例提供的一種第一檢測模塊42的結構示意圖。

具體實施方式

下面將參照附圖更詳細地描述本申請的實施例。雖然附圖中顯示了本申請的某些實施例，然而應當理解的是，本申請可以通過各種形式來實現，而且不應該被解釋為限于這里闡述的實施例，相反提供這些實施例是為了更加透徹和完整地理解本申請。應當理解的是，本申請的附圖及實施例僅用于示例性作用，并非用于限制本申請的保護范圍。