[發明專利]目標對象的檢測方法及裝置、存儲介質、終端

在審

• 申請號: 202010171876.8
• 申請日: 2020-03-12
• 公開（公告）號: CN113392677A
• 公開（公告）日: 2021-09-14
• 發明（設計）人: 吳婷;鄧兵;危春波;楊吉銳;劉云夫
• 申請（專利權）人: 阿里巴巴集團控股有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 北京博浩百睿知識產權代理有限責任公司 11134
• 代理人: 趙昀彬

1.一種目標對象的檢測方法，其特征在于，包括：

獲取待識別圖像；

將所述待識別圖像輸入至第一粒度機器學習模型，輸出第一背景圖，以及將所述待識別圖像輸入至第二粒度機器學習模型，輸出第二背景圖，其中，所述第一粒度機器學習模型的第一更新周期大于所述第二粒度機器學習模型的第二更新周期；

基于所述第一背景圖和所述第二背景圖的對比結果，確定目標對象。

2.根據權利要求1所述的方法，其特征在于，獲取所述待識別圖像包括：

獲取通過圖像采集設備采集到的視頻文件；

對所述視頻文件進行解碼處理，得到所述待識別圖像。

3.根據權利要求1所述的方法，其特征在于，所述方法還包括：

基于混合高斯模型建立所述第一粒度機器學習模型和所述第二粒度機器學習模型。

4.根據權利要求1或3所述的方法，其特征在于，將所述待識別圖像輸入至所述第一粒度機器學習模型，輸出所述第一背景圖包括：

基于所述第一粒度機器學習模型中包含的高斯分量以及所述高斯分量的權值，計算所述待識別圖像中像素的灰度值，輸出所述第一背景圖。

5.根據權利要求4所述的方法，其特征在于，所述方法還包括：

當所述第一更新周期結束時，基于所述第一背景圖對所述高斯分量的權值進行更新，得到更新后的第一粒度機器學習模型。

6.根據權利要求3所述的方法，其特征在于，將所述待識別圖像輸入至所述第二粒度機器學習模型，輸出所述第二背景圖包括：

基于所述第二粒度機器學習模型中包含的高斯分量以及所述高斯分量的權值，計算所述待識別圖像中像素的灰度值，輸出所述第二背景圖。

7.根據權利要求6所述的方法，其特征在于，所述方法還包括：

當所述第二更新周期結束時，基于所述第二背景圖對所述高斯分量的權值進行更新，得到更新后的第二粒度機器學習模型。

8.根據權利要求1所述的方法，其特征在于，基于所述第一背景圖和所述第二背景圖的對比結果，確定所述目標對象包括：

對所述第一背景圖與所述第二背景圖進行對比操作，得到差異部分圖像；

從所述差異部分圖像中確定所述目標對象。

9.根據權利要求1所述的方法，其特征在于，所述方法應用于道路障礙物檢測場景，所述目標對象為道路障礙物。

10.根據權利要求1所述的方法，其特征在于，所述方法應用于交通指示路標檢測場景，所述目標對象為新增交通指示路標。

11.根據權利要求1所述的方法，其特征在于，所述方法還包括：

通過定位組件確定所述目標對象的位置信息；

將所述位置信息推送至預設地理范圍內的車載導航，通過語音信號和/或視覺信號發送提示信息，其中，所述提示信息用于提示避讓所述目標對象。

12.一種目標對象的檢測裝置，其特征在于，包括：

獲取單元，用于獲取待識別圖像；

輸入單元，用于將所述待識別圖像輸入至第一粒度機器學習模型，輸出第一背景圖，以及將所述待識別圖像輸入至第二粒度機器學習模型，輸出第二背景圖，其中，所述第一粒度機器學習模型的第一更新周期大于所述第二粒度機器學習模型的第二更新周期；

確定單元，用于基于所述第一背景圖和所述第二背景圖的對比結果，確定目標對象。

13.一種存儲介質，其特征在于，所述存儲介質包括存儲的程序，其中，在所述程序運行時控制所述存儲介質所在設備執行權利要求1至11中任意一項所述的目標對象的檢測方法。

14.一種終端，其特征在于，包括：

第一裝置；

第二裝置；

第三裝置；

處理器，所述處理器運行程序，其中，所述程序運行時對于從所述第一裝置、第二裝置和第三裝置輸出的數據執行如下處理步驟：

第一步驟，獲取待識別圖像；

第二步驟，將所述待識別圖像輸入至第一粒度機器學習模型，輸出第一背景圖，以及將所述待識別圖像輸入至第二粒度機器學習模型，輸出第二背景圖，其中，所述第一粒度機器學習模型的第一更新周期大于所述第二粒度機器學習模型的第二更新周期；以及，

第三步驟，基于所述第一背景圖和所述第二背景圖的對比結果，確定目標對象。