[發明專利]目標檢測方法、裝置、電子設備和可讀存儲介質

有效

• 申請號: 201911090281.3
• 申請日: 2019-11-08
• 公開（公告）號: CN110852261B
• 公開（公告）日: 2022-06-17
• 發明（設計）人: 翟佳;周嘉明;陳峰;董毅;王銳;賈雨生;謝曉丹
• 申請（專利權）人: 北京環境特性研究所
• 主分類號: G06V20/13
• 分類號: G06V20/13;G06V20/40;G06K9/62;G06V10/764;G06V10/80
• 代理公司: 北京格允知識產權代理有限公司 11609
• 代理人: 周嬌嬌

本申請涉及一種目標檢測方法、裝置、電子設備和計算機可讀存儲介質，方法包括：獲取待檢測圖像，提取待檢測圖像的共享特征圖；檢測共享特征圖中的多個關鍵點；每一關鍵點歸屬于一種物體類別；將共享特征圖劃分為多個區域，分別提取各個區域的區域特征；基于各個區域特征獲取多個關鍵點中每兩個關鍵點之間的關聯編碼；基于各個關聯編碼和檢測得到的關鍵點，獲取多個物體類別的類別概率；將最大的類別概率對應的物體類別確定為檢測目標的類別。本申請提供的目標檢測方法可以提高對目標檢測的準確率。

技術領域

本申請涉及計算機視覺技術領域，特別是涉及一種目標檢測方法、 裝置、電子設備和可讀存儲介質。

背景技術

目標檢測是計算機視覺領域的重要研究方向之一，尤其是遙感圖 像的目標檢測，在視頻監控、視覺導航、人機交互、精確制導等領域 有著廣泛的應用前景。

現有技術中，針對于遙感圖像的目標檢測，通常采用深度神經網 絡提取遙感圖像中目標對應的特征，用于后續的區域分類和邊界框回 歸。但對于易混目標類型，以通用的候選框式標注方式來訓練神經網 絡很難保證類別之間的差異被準確識別出來，檢測的準確度較低。

發明內容

本申請的目的旨在至少能解決上述的技術缺陷之一，特別是對于 易混目標類型的檢測準確度較低的技術缺陷。

本申請的目的通過如下技術方案實現：

第一方面，提供了一種目標檢測方法，該方法包括：

獲取待檢測圖像，提取待檢測圖像的共享特征圖；檢測共享特征 圖中的多個關鍵點；每一關鍵點歸屬于一種物體類別；

將共享特征圖劃分為多個區域，分別提取各個區域的區域特征；

基于各個區域特征獲取多個關鍵點中每兩個關鍵點之間的關聯編 碼；

基于各個關聯編碼和檢測得到的關鍵點，獲取多個物體類別的類 別概率；將最大的類別概率對應的物體類別確定為檢測目標的類別。

在第一方面的可選實施例中，檢測共享特征圖中的多個關鍵點， 包括：

基于預設的檢測算法檢測出共享特征圖中的多個初始關鍵點；

采用預設分類器預測各個初始關鍵點的置信度，根據各個置信度 從多個初始關鍵點中篩選得到多個關鍵點，并得到關鍵點響應圖。

在第一方面的可選實施例中，根據各個置信度從多個初始關鍵點 中篩選得到多個關鍵點，包括：

將置信度大于預設閾值的初始關鍵點作為關鍵點。

在第一方面的可選實施例中，基于各個區域特征獲取多個關鍵點 中每兩個關鍵點之間的關聯編碼，包括：

基于預設的變換矩陣將各個區域特征變換為特征向量；特征向量 的每一元素對應于每一區域；

基于特征向量獲取多個關鍵點中每兩個關鍵點之間的關聯編碼。

在第一方面的可選實施例中，基于各個關聯編碼和檢測得到的關 鍵點，獲取多個物體類別的類別概率，包括：

從待檢測圖像中獲取多個候選區域；

針對于每一候選區域，在關鍵點響應圖上對每一物體類型的關鍵 點尋找最高響應，得到該候選區域的感興趣區域內，關鍵點所歸屬的 物體類別的最大響應值，以及關鍵點所歸屬的物體類別的最大響應值 對應的位置；

基于關鍵點所歸屬的物體類別的最大響應值以及關鍵點所歸屬的 物體類別的最大響應值對應的位置，獲取多個物體類別的類別概率。

第二方面，提供了一種目標檢測裝置，該裝置包括：