[發(fā)明專利]目標(biāo)對象檢測、火力發(fā)電廠檢測方法和裝置

在審

• 申請?zhí)枺?/td>: 202010783297.9
• 申請日: 2020-08-06
• 公開（公告）號: CN112084860A
• 公開（公告）日: 2020-12-15
• 發(fā)明（設(shè)計）人: 昝露洋
• 申請（專利權(quán)）人: 中國科學(xué)院空天信息創(chuàng)新研究院
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06Q50/06
• 代理公司: 北京太合九思知識產(chǎn)權(quán)代理有限公司 11610
• 代理人: 曹威;劉戈

1.一種目標(biāo)對象檢測方法，其特征在于，包括：

利用對象檢測模型提取目標(biāo)圖像中的候選區(qū)域；

提取所述候選區(qū)域中目標(biāo)對象的對象特征及所述目標(biāo)對象分別與所述目標(biāo)對象中的至少一個關(guān)聯(lián)對象的關(guān)系特征；

融合所述對象特征與至少一個關(guān)系特征，獲得所述候選區(qū)域的融合特征；

基于所述融合特征，利用所述對象檢測模型識別所述候選區(qū)域中所述目標(biāo)對象及所述至少一個關(guān)聯(lián)對象。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述利用對象檢測模型提取目標(biāo)圖像中的候選區(qū)域包括：

利用對象檢測模型提取目標(biāo)圖像的特征圖；

從所述特征圖中提取候選區(qū)域。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述提取所述候選區(qū)域中目標(biāo)對象的對象特征及所述目標(biāo)對象分別與所述目標(biāo)對象中的至少一個關(guān)聯(lián)對象的關(guān)系特征包括：

提取所述候選區(qū)域中目標(biāo)對象的對象特征及所述目標(biāo)對象中的至少一個關(guān)聯(lián)對象的對象特征；所述對象特征包括光譜特征；

對所述至少一個關(guān)聯(lián)對象的光譜特征進(jìn)行加權(quán)求和，經(jīng)值向量矩陣進(jìn)行線性映射獲得所述目標(biāo)對象與所述目標(biāo)對象中的至少一個關(guān)聯(lián)對象的關(guān)系特征。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述對象特征還包括幾何特征；

所述對所述至少一個關(guān)聯(lián)對象的光譜特征進(jìn)行加權(quán)求和，經(jīng)值向量矩陣進(jìn)行線性映射獲得所述目標(biāo)對象與所述目標(biāo)對象中的至少一個關(guān)聯(lián)對象的關(guān)系特征包括：

對所述目標(biāo)對象的光譜特征及所述至少一個關(guān)聯(lián)對象的光譜特征進(jìn)行點(diǎn)積操作獲得光譜權(quán)重；

將所述目標(biāo)對象的幾何特征及所述至少一個關(guān)聯(lián)對象的幾何特征映射到高維空間，經(jīng)幾何向量矩陣線性映射獲得幾何權(quán)重；

對所述光譜權(quán)重及幾何權(quán)重進(jìn)行歸一化獲得關(guān)系權(quán)重，并根據(jù)所述關(guān)系權(quán)重，對所述至少一個關(guān)聯(lián)對象的光譜特征進(jìn)行加權(quán)求和，經(jīng)值向量矩陣進(jìn)行線性映射獲得所述目標(biāo)對象與所述目標(biāo)對象中的至少一個關(guān)聯(lián)對象的關(guān)系特征。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述融合所述對象特征與至少一個關(guān)系特征，獲得所述候選區(qū)域的融合特征包括：

將所述對象特征與至少一個關(guān)系特征進(jìn)行加和，獲得所述候選區(qū)域的融合特征。

6.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述對象檢測模型包括特征圖提取網(wǎng)絡(luò)、候選區(qū)域提取網(wǎng)絡(luò)，特征提取網(wǎng)絡(luò)及檢測網(wǎng)絡(luò)；

所述利用對象檢測模型提取目標(biāo)圖像中的候選區(qū)域包括：

利用所述特征圖提取網(wǎng)絡(luò)提取所述目標(biāo)圖像的特征圖；

利用所述候選區(qū)域提取網(wǎng)絡(luò)從所述特征圖中提取候選區(qū)域；

所述提取所述候選區(qū)域中目標(biāo)對象的對象特征及所述目標(biāo)對象分別與所述目標(biāo)對象中的至少一個關(guān)聯(lián)對象的關(guān)系特征，融合所述對象特征與至少一個關(guān)系特征，獲得所述候選區(qū)域的融合特征包括：

利用所述特征提取網(wǎng)絡(luò)提取所述候選區(qū)域中目標(biāo)對象的對象特征及所述目標(biāo)對象分別與所述目標(biāo)對象中的至少一個關(guān)聯(lián)對象的關(guān)系特征；融合所述對象特征與至少一個關(guān)系特征，獲得所述候選區(qū)域的融合特征；

所述基于所述融合特征，利用所述對象檢測模型識別所述候選區(qū)域中所述目標(biāo)對象及所述至少一個關(guān)聯(lián)對象包括：

利用所述檢測網(wǎng)絡(luò)基于所述融合特征，識別所述候選區(qū)域中所述目標(biāo)對象及所述至少一個關(guān)聯(lián)對象。

7.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對象檢測模型預(yù)先基于樣本圖像及所述樣本圖像中的訓(xùn)練標(biāo)簽訓(xùn)練獲得，所述訓(xùn)練標(biāo)簽包括所述樣本圖像中的目標(biāo)對象的位置信息及所述目標(biāo)對象中的至少一個關(guān)聯(lián)對象的位置信息。

8.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述利用對象檢測模型提取目標(biāo)圖像中的候選區(qū)域包括：

利用對象檢測模型提取目標(biāo)圖像中的多個待選區(qū)域；

從所述多個待選區(qū)域中確定候選區(qū)域。