[發(fā)明專利]小目標(biāo)檢測方法、裝置、計(jì)算機(jī)設(shè)備及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 201910065111.3
• 申請日: 2019-01-23
• 公開（公告）號: CN111476064A
• 公開（公告）日: 2020-07-31
• 發(fā)明（設(shè)計(jì)）人: 何軍林;劉洛麒
• 申請（專利權(quán)）人: 北京奇虎科技有限公司
• 主分類號: G06K9/00
• 分類號: 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

本發(fā)明實(shí)施例公開了一種小目標(biāo)檢測方法、裝置、計(jì)算機(jī)設(shè)備及存儲介質(zhì)，包括下述步驟：獲取待檢測視頻中的運(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)域放大得到待檢測的目標(biāo)區(qū)域；通過預(yù)設(shè)的目標(biāo)檢測算法在所述目標(biāo)區(qū)域中對所述目標(biāo)對象進(jìn)行檢測。從待檢測視頻中獲取運(yùn)動(dòng)區(qū)域，并將運(yùn)動(dòng)區(qū)域進(jìn)行放大，通過目標(biāo)檢測算法在目標(biāo)區(qū)域中對目標(biāo)對象進(jìn)行檢測，該方法可以在一定程度上放大微小目標(biāo)或者被遮擋的目標(biāo)的特征，進(jìn)而提高了目標(biāo)檢測算法對目標(biāo)對象的識別的準(zhǔn)確度。

技術(shù)領(lǐng)域

本發(fā)明實(shí)施例涉及視頻檢測領(lǐng)域，尤其是一種小目標(biāo)檢測方法、裝置、計(jì)算機(jī)設(shè)備及存儲介質(zhì)。

背景技術(shù)

深度學(xué)習(xí)源于人工神經(jīng)網(wǎng)絡(luò)的研究，其動(dòng)機(jī)在于建立、模擬人腦進(jìn)行分析學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)，模仿人腦的機(jī)制來解釋數(shù)據(jù)，例如圖像，聲音和文本。即，深度學(xué)習(xí)通過組合低層特征形成更加抽象的高層表示屬性類別或特征，以發(fā)現(xiàn)數(shù)據(jù)的分布式特征表示。

隨著深度學(xué)習(xí)的快速發(fā)展，深度學(xué)習(xí)在各個(gè)領(lǐng)域均有廣泛的應(yīng)用前景。例如，將深度學(xué)習(xí)應(yīng)用于視頻中用來檢測目標(biāo)。

隨著視頻中目標(biāo)檢測技術(shù)的普及，基于深度學(xué)習(xí)的目標(biāo)檢測算法對大物體、無遮擋的物體檢測的結(jié)果都比較準(zhǔn)確，但是，對于小物體或者有遮擋的物體，由于其特征較小、不明顯或者不完整，導(dǎo)致檢測結(jié)果的準(zhǔn)確度較低。

發(fā)明內(nèi)容

本發(fā)明實(shí)施例提供一種小目標(biāo)檢測方法、裝置、計(jì)算機(jī)設(shè)備及存儲介質(zhì)。

為解決上述技術(shù)問題，本發(fā)明創(chuàng)造的實(shí)施例采用的一個(gè)技術(shù)方案是：提供一種小目標(biāo)檢測方法，包括下述步驟：

獲取待檢測視頻中的運(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)域放大得到待檢測的目標(biāo)區(qū)域；

通過預(yù)設(shè)的目標(biāo)檢測算法在所述目標(biāo)區(qū)域中對所述目標(biāo)對象進(jìn)行檢測。

可選地，所述獲取待檢測視頻中的運(yùn)動(dòng)區(qū)域，包括：

從待檢測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，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。

可選地，所述獲取待檢測視頻中的運(yùn)動(dòng)區(qū)域，包括：

獲取用于識別背景圖像的背景識別模型；

根據(jù)所述背景識別模型識別所述待檢測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。

可選地，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。

可選地，所述通過預(yù)設(shè)的目標(biāo)檢測算法在所述目標(biāo)區(qū)域中對所述目標(biāo)對象進(jìn)行檢測，包括：

獲取用于識別所述目標(biāo)對象的目標(biāo)檢測模型；

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

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