[發明專利]目標檢測方法、模型訓練方法、裝置及設備

在審

• 申請號: 202010144575.6
• 申請日: 2020-03-04
• 公開（公告）號: CN113361550A
• 公開（公告）日: 2021-09-07
• 發明（設計）人: 危春波;鄧兵;楊吉銳;吳婷
• 申請（專利權）人: 阿里巴巴集團控股有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/32;G06K9/00
• 代理公司: 北京太合九思知識產權代理有限公司 11610
• 代理人: 孫明子;劉戈

1.一種目標檢測方法，其特征在于，包括：

獲取待檢測圖像，所述待檢測圖像中包括待檢測目標，所述待檢測目標包括位于車輛中或附著于車輛內外表面的預設對象；

確定與所述待檢測圖像相對應的圖像特征信息；

利用第一機器學習模型對所述圖像特征信息進行處理，確定所述待檢測目標的屬性類別，其中，所述第一機器學習模型被訓練為用于根據所述圖像特征信息確定所述待檢測目標的屬性類別。

2.根據權利要求1所述的方法，其特征在于，獲取待檢測圖像，包括：

獲取車窗圖像，所述車窗圖像中包括位于車輛中或附著于車輛內外表面的待檢測目標；

基于所述車窗圖像，確定與所述待檢測目標相對應的所述待檢測圖像。

3.根據權利要求2所述的方法，其特征在于，基于所述車窗圖像，確定與所述待檢測目標相對應的所述待檢測圖像，包括：

利用第二機器學習模型對所述車窗圖像進行處理，確定與所述待檢測目標相對應的所述待檢測圖像，其中，所述第二機器學習模型被訓練為用于確定與所述車窗圖像中包括的待檢測目標相對應的待檢測圖像。

4.根據權利要求1所述的方法，其特征在于，

所述圖像特征信息包括以下至少之一：位置特征信息、顏色特征信息、形狀特征信息、大小特征信息、語義特征信息、紋理特征信息。

5.根據權利要求1所述的方法，其特征在于，

所述屬性類別包括以下至少之一：名稱信息、顏色信息、所屬類別信息、大小信息、位置信息、形狀信息。

6.根據權利要求1-5中任意一項所述的方法，其特征在于，在確定與所述待檢測圖像相對應的圖像特征信息之后，所述方法還包括：

根據所述圖像特征信息確定所述待檢測目標所屬的類別信息，所述類別信息包括至少一個所述屬性類別。

7.根據權利要求6所述的方法，其特征在于，在所述待檢測目標為位于車輛中或附著于車輛內外表面的待檢測目標時，所述待檢測目標所屬的類別信息包括以下至少之一：貼標類別、掛件類別、擺件類別。

8.根據權利要求7所述的方法，其特征在于，在獲取待檢測圖像之后，所述方法還包括：

識別所述待檢測圖像是否包括與所述車輛相對應的車牌全部信息；

在所述待檢測圖像中包括所述車牌全部信息時，則禁止確定與所述待檢測圖像相對應的圖像特征信息，并根據所述車牌信息確定所述車輛的身份信息；或者，

在所述待檢測圖像中不包括所述車牌全部信息時，則允許確定與所述待檢測圖像相對應的圖像特征信息。

9.根據權利要求8所述的方法，其特征在于，所述方法還包括：

在所述待檢測圖像中包括車牌部分信息時，則基于所述待檢測目標的屬性類別和所述車牌部分信息，確定所述車輛的身份信息。

10.根據權利要求1-5中任意一項所述的方法，其特征在于，在確定所述待檢測目標的屬性類別之后，所述方法還包括：

獲取針對所述待檢測目標的識別請求，所述識別請求中包括參考圖像以及與所述參考圖像中的參考目標相對應的參考屬性類別；

將所述屬性類別和所述參考屬性類別輸入至所述第一機器學習模型，以確定所述待檢測圖像與所述參考圖像是否相匹配，所述第一機器學習模型被訓練為用于根據所述屬性類別和所述參考屬性類別，確定所述待檢測圖像與所述參考圖像是否相匹配。

11.根據權利要求10所述的方法，其特征在于，將所述屬性類別和所述參考屬性類別輸入至所述第一機器學習模型，以確定所述待檢測圖像與所述參考圖像是否相匹配，包括：

利用所述第一機器學習模型識別所述屬性類別與所述參考屬性類別是否相同；

在所述屬性類別與所述參考屬性類別不同時，則確定所述待檢測圖像與所述參考圖像不匹配；或者，

在所述屬性類別與所述參考屬性類別相同時，則確定所述待檢測圖像與所述參考圖像相匹配。