[發(fā)明專(zhuān)利]小目標(biāo)檢測(cè)方法、裝置、計(jì)算機(jī)設(shè)備及存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 201910065111.3
• 申請(qǐng)日: 2019-01-23
• 公開(kāi)（公告）號(hào): CN111476064A
• 公開(kāi)（公告）日: 2020-07-31
• 發(fā)明（設(shè)計(jì)）人: 何軍林;劉洛麒
• 申請(qǐng)（專(zhuān)利權(quán)）人: 北京奇虎科技有限公司
• 主分類(lèi)號(hào): G06K9/00
• 分類(lèi)號(hào): G06K9/00;G06K9/62;G06N3/04;G06N3/08;G06T7/11;G06T7/136;G06T7/254
• 代理公司: 北京市立方律師事務(wù)所 11330
• 代理人: 劉延喜

1.一種小目標(biāo)檢測(cè)方法，其特征在于，包括下述步驟：

獲取待檢測(cè)視頻中的運(yùn)動(dòng)區(qū)域，其中，所述運(yùn)動(dòng)區(qū)域包括目標(biāo)對(duì)象；

按照預(yù)設(shè)的比例將所述運(yùn)動(dòng)區(qū)域放大得到待檢測(cè)的目標(biāo)區(qū)域；

通過(guò)預(yù)設(shè)的目標(biāo)檢測(cè)算法在所述目標(biāo)區(qū)域中對(duì)所述目標(biāo)對(duì)象進(jìn)行檢測(cè)。

2.根據(jù)權(quán)利要求1所述的小目標(biāo)檢測(cè)方法，其特征在于，所述獲取待檢測(cè)視頻中的運(yùn)動(dòng)區(qū)域，包括：

從待檢測(cè)視頻中獲取第一視頻幀和第二視頻幀，其中，所述第一視頻幀和所述第二視頻幀連續(xù)；

將所述第一視頻幀的像素值減去所述第二視頻幀的像素值得到差分圖像；

將所述差分圖像中的像素變化值與預(yù)設(shè)的閾值進(jìn)行比對(duì)，當(dāng)所述像素變化值大于所述閾值時(shí)，將所述像素變化值大于所述閾值的區(qū)域確定為所述運(yùn)動(dòng)區(qū)域。

3.根據(jù)權(quán)利要求1所述的小目標(biāo)檢測(cè)方法，其特征在于，所述獲取待檢測(cè)視頻中的運(yùn)動(dòng)區(qū)域，包括：

獲取用于識(shí)別背景圖像的背景識(shí)別模型；

根據(jù)所述背景識(shí)別模型識(shí)別所述待檢測(cè)視頻中的視頻幀的背景圖像；

將每一個(gè)視頻幀與所述背景圖像進(jìn)行差分得到差分圖像，并將所述差分圖像中像素值大于預(yù)設(shè)像素值的區(qū)域確定為所述運(yùn)動(dòng)區(qū)域。

4.根據(jù)權(quán)利要求1所述的小目標(biāo)檢測(cè)方法，其特征在于，所述按照預(yù)設(shè)的比例將所述目標(biāo)區(qū)域放大得到待檢測(cè)的目標(biāo)區(qū)域，包括：

以所述運(yùn)動(dòng)區(qū)域?yàn)橹行陌凑疹A(yù)設(shè)的擴(kuò)展比例在將所述運(yùn)動(dòng)區(qū)域在所述視頻幀中進(jìn)行延展；

對(duì)延展后的區(qū)域進(jìn)行裁剪；

將裁剪的區(qū)域按照預(yù)設(shè)的放大比例進(jìn)行放大得到所述目標(biāo)區(qū)域。

5.根據(jù)權(quán)利要求1所述的小目標(biāo)檢測(cè)方法，其特征在于，所述通過(guò)預(yù)設(shè)的目標(biāo)檢測(cè)算法在所述目標(biāo)區(qū)域中對(duì)所述目標(biāo)對(duì)象進(jìn)行檢測(cè)，包括：

獲取用于識(shí)別所述目標(biāo)對(duì)象的目標(biāo)檢測(cè)模型；

將所述目標(biāo)區(qū)域輸入到所述目標(biāo)檢測(cè)模型中得到分類(lèi)值；

將分類(lèi)值與預(yù)先設(shè)置的對(duì)象分類(lèi)范圍進(jìn)行比對(duì)，并將所述分類(lèi)值符合的對(duì)象分類(lèi)范圍表征的對(duì)象確定為所述目標(biāo)對(duì)象。

6.根據(jù)權(quán)利要求5所述的小目標(biāo)檢測(cè)方法，其特征在于，所述獲取用于識(shí)別所述目標(biāo)對(duì)象的目標(biāo)檢測(cè)模型，包括：

獲取所述目標(biāo)對(duì)象的樣本圖像；

根據(jù)所述樣本圖像對(duì)預(yù)設(shè)的卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練得到所述目標(biāo)檢測(cè)模型。

7.根據(jù)權(quán)利要求6所述的小目標(biāo)檢測(cè)方法，其特征在于，所述根據(jù)所述樣本圖像對(duì)預(yù)設(shè)的卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練得到所述目標(biāo)檢測(cè)模型，包括：

將所述樣本圖像輸入到預(yù)設(shè)的卷積神經(jīng)網(wǎng)絡(luò)模型中，獲取所述神經(jīng)網(wǎng)絡(luò)模型輸出的激勵(lì)分類(lèi)值；

比對(duì)預(yù)先獲取到的期望分類(lèi)值與所述激勵(lì)分類(lèi)值之間的距離是否小于或等于預(yù)設(shè)的第一閾值；

當(dāng)所述期望分類(lèi)值與所述激勵(lì)分類(lèi)值之間的距離大于預(yù)設(shè)的第一閾值時(shí)，反復(fù)循環(huán)迭代的通過(guò)反向算法更新所述卷積神經(jīng)網(wǎng)絡(luò)模型中的權(quán)重，至所述期望分類(lèi)值與所述激勵(lì)分類(lèi)值之間的距離小于或等于預(yù)設(shè)的第一閾值時(shí)結(jié)束。

8.一種小目標(biāo)檢測(cè)裝置，其特征在于，包括：

獲取模塊，用于獲取待檢測(cè)視頻中的運(yùn)動(dòng)區(qū)域，其中，所述運(yùn)動(dòng)區(qū)域包括目標(biāo)對(duì)象；

處理模塊，用于按照預(yù)設(shè)的比例將所述運(yùn)動(dòng)區(qū)域放大得到待檢測(cè)的目標(biāo)區(qū)域；

執(zhí)行模塊，用于通過(guò)預(yù)設(shè)的目標(biāo)檢測(cè)算法在所述目標(biāo)區(qū)域中對(duì)所述目標(biāo)對(duì)象進(jìn)行檢測(cè)。

9.一種計(jì)算機(jī)設(shè)備，包括存儲(chǔ)器和處理器，所述存儲(chǔ)器中存儲(chǔ)有計(jì)算機(jī)可讀指令，所述計(jì)算機(jī)可讀指令被所述處理器執(zhí)行時(shí)，使得所述處理器執(zhí)行如權(quán)利要求1至7中任一項(xiàng)權(quán)利要求所述小目標(biāo)檢測(cè)方法的步驟。

10.一種存儲(chǔ)有計(jì)算機(jī)可讀指令的存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀指令被一個(gè)或多個(gè)處理器執(zhí)行時(shí)，使得一個(gè)或多個(gè)處理器執(zhí)行如權(quán)利要求1至7中任一項(xiàng)權(quán)利要求所述小目標(biāo)檢測(cè)方法的步驟。