[發明專利]目標檢測方法、裝置、設備及存儲介質

在審

• 申請號: 201910989718.0
• 申請日: 2019-10-17
• 公開（公告）號: CN110717549A
• 公開（公告）日: 2020-01-21
• 發明（設計）人: 周康明;郭義波
• 申請（專利權）人: 上海眼控科技股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/12
• 代理公司: 11205 北京同立鈞成知識產權代理有限公司
• 代理人: 徐靜;劉芳

本申請提供一種目標檢測方法、裝置、設備及存儲介質。包括：目標檢測設備對當代種群中的多個第一個體采用差分進化算法，以得到訓練集，第一個體包括對應物體的長、寬、高屬性，訓練集包括：多個第二個體，第二個體包括對應物體的長、寬、高屬性；根據訓練集，確定多個錨點框各自的長、寬、高屬性；確定多個錨點框各自的中心點的長、寬、高屬性和多個錨點框各自的偏航角；并根據根據多個錨點框進行目標檢測。從而可以提高目標檢測的準確率。

技術領域

本申請實施例涉及機器視覺領域，尤其涉及一種目標檢測方法、裝置、設備及存儲介質。

背景技術

目標檢測是機器視覺和模式識別領域中的關鍵技術，在智能化交通系統、智能監控系統等方面應用廣泛。所謂目標檢測指的是將特定目標從復雜場景圖像中檢測出來，以便后續對目標進行分類或跟蹤等處理，在目標檢測中，涉及生成錨點框的方法，該錨點框用于指示可能存在目標的三維空間區域。例如：在智能化交通系統中，該錨點框用于指示可能存在目標車輛的三維空間區域。

通常一個錨點框包括7個參數，分別為該錨點框在三維空間中的中心點坐標(x,y,z)，該錨點框的長寬高(l,w,h)和偏航角(yaw angle)，因此生成錨點框即為生成錨點框的7個參數。基于此，現有技術所提供的目標檢測方法包括：首先選擇一個訓練集，該訓練集中包括多個個體，每個個體包括各自的長寬高屬性，其次在該訓練集的基礎上生成多個錨點框，并在根據該多個錨點框進行目標檢測。

然而，現有技術提供的訓練集是隨機選取，這可能造成訓練集中的個體缺乏多樣性，進而造成目標檢測準確率較低的問題。

發明內容

本申請實施例提供一種目標檢測方法、裝置、設備及存儲介質。通過該方法可以提高目標檢測準確率。

第一方面，本申請提供一種目標檢測方法，包括：對當代種群中的多個第一個體采用差分進化算法，以得到訓練集，第一個體包括對應物體的長、寬、高屬性，訓練集包括：多個第二個體，第二個體包括對應物體的長、寬、高屬性。根據訓練集，確定多個錨點框各自的長、寬、高屬性。確定多個錨點框各自的中心點的長、寬、高屬性和多個錨點框各自的偏航角。根據多個錨點框進行目標檢測。由于采用差分進化算法確定訓練集，使得訓練集具有多樣性的特點，進而可以提高目標檢測的準確率。

可選的，對當代種群中的多個第一個體采用差分進化算法，以得到訓練集，包括：確定多個第一個體各自對應的適應度。若多個第一個體各自對應的適應度不滿足預設條件，則對當代種群中的多個第一個體采用交叉、變異和選擇，以得到下一代種群，并確定下一代種群中各個個體對應的適應度，直至得到滿足預設條件的種群為止，并將滿足預設條件的種群確定為訓練集。若多個第一個體各自對應的適應度滿足預設條件，則將當代種群確定為訓練集。通過該方法可以得到具有多樣性的訓練集。

可選的，根據訓練集，確定多個錨點框各自的長、寬、高屬性，包括：計算訓練集中的多個第二個體的長、寬、高屬性分別對應的平均值。將多個第二個體的長、寬、高屬性分別對應的平均值作為至少一個第一錨點框各自的長、寬、高屬性，至少一個第一錨點框為多個錨點框中的一部分。將訓練集輸入至差分進化算法中的適應度函數，以確定令適應度函數達到最大值時的長、寬、高屬性。將令適應度函數達到最大值時的長、寬、高屬性作為至少一個第二錨點框各自的長、寬、高屬性，至少一個第二錨點框為多個錨點框中的另一部分。即本申請可以確定訓練集中多個第二個體的長、寬、高屬性的平均值，并且可以通過差分進化算法確定最優的長、寬、高屬性，將這兩組參數分別作為多個錨點框的長、寬、高屬性，使得生成的錨點框更加合理，并且具有多樣性的，進而可以提高目標檢測的準確率。

可選的，確定多個錨點框各自的長、寬、高屬性，包括：計算訓練集中的多個第二個體的長、寬、高屬性分別對應的平均值。將多個第二個體的長、寬、高屬性分別對應的平均值作為多個錨點框各自的長、寬、高屬性。或者，將訓練集輸入至差分進化算法中的適應度函數，以確定令適應度函數達到最大值時的長、寬、高屬性。將令適應度函數達到最大值時的長、寬、高屬性作為多個錨點框各自的長、寬、高屬性。