[發明專利]一種視頻目標檢測方法、裝置、設備以及存儲介質

在審

• 申請號: 202010819564.3
• 申請日: 2020-08-14
• 公開（公告）號: CN112101114A
• 公開（公告）日: 2020-12-18
• 發明（設計）人: 韓鳴飛;王亞立;喬宇
• 申請（專利權）人: 中國科學院深圳先進技術研究院
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 深圳中一聯合知識產權代理有限公司 44414
• 代理人: 李艷麗

本申請適用于計算機技術領域，提供了一種視頻目標檢測方法、視頻目標檢測裝置、視頻目標檢測設備及存儲介質，包括：獲取待檢測視頻中的目標視頻幀以及支撐視頻幀；將目標視頻幀以及支撐視頻幀輸入到已訓練的視頻目標檢測模型中處理，得到目標物體對應的檢測結果。上述方式，視頻目標檢測模型基于訓練樣本視頻集中各個視頻內的物體相似度以及訓練樣本視頻集中各個視頻間的物體相似度生成，不僅考慮到了各個視頻內的物體相似度，還考慮到了各個視頻間的物體相似度。使用該視頻目標檢測模型提取到的目標視頻幀的目標物體對應的特征更準確、信息更豐富，進而根據目標物體對應的特征確定檢測結果時，得到的檢測結果更準確。

技術領域

本申請屬于計算機技術領域，尤其涉及一種視頻目標檢測方法、視頻目標檢測裝置、視頻目標檢測設備以及存儲介質。

背景技術

視頻目標檢測是指利用視頻序列特征，對視頻序列中的幀圖像中的目標物體進行定位與識別。該視頻目標檢測在自動駕駛、智能交通分析、智能安防以及野外動物監控等領域均有重要意義。

目前，視頻目標檢測的方法為采用深度學習構建的網絡模型對視頻序列中的幀圖像進行處理，得到該幀圖像對應的檢測結果。然而，現有的網絡模型在構建過程中僅考慮視頻內各個物體的相似性，導致該網絡模型提取到的幀圖像所對應的物體特征單薄、不準確，進而導致該網絡模型對幀圖像中物體的檢測結果不準確。

發明內容

有鑒于此，本申請實施例提供了一種視頻目標檢測方法、視頻目標檢測裝置、視頻目標檢測設備以及存儲介質，以解決傳統的視頻目標檢測方法對視頻檢測結果不準確的問題。

本申請實施例的第一方面提供了一種視頻目標檢測方法，包括：

獲取待檢測視頻中的目標視頻幀以及支撐視頻幀；所述目標視頻幀為所述待檢測視頻中包含目標物體的任一幀視頻幀；所述支撐視頻幀包括所述待檢測視頻中除所述目標視頻幀外的至少一個視頻幀；

將所述目標視頻幀以及所述支撐視頻幀輸入到已訓練的視頻目標檢測模型中處理，得到所述目標物體對應的檢測結果；所述檢測結果包括所述目標物體對應的類別和位置信息；其中，所述視頻目標檢測模型基于訓練樣本視頻集中各個視頻內的物體相似度以及訓練樣本視頻集中各個視頻間的物體相似度生成。

在本申請提供的視頻目標檢測方法中，視頻目標檢測設備通過已訓練的視頻目標檢測模型對待檢測視頻中的目標視頻幀以及支撐視頻幀進行處理，得到目標視頻幀對應的檢測結果。該視頻目標檢測模型基于訓練樣本視頻集中各個視頻內的物體相似度以及訓練樣本視頻集中各個視頻間的物體相似度生成，即該視頻目標檢測模型不僅考慮到了各個視頻內的物體相似度，還考慮到了各個視頻間的物體相似度。因此，使用該視頻目標檢測模型提取到的目標視頻幀的目標物體對應的特征更準確、信息更豐富，進而根據目標物體對應的特征確定檢測結果時，得到的檢測結果更準確，提高了視頻目標檢測的準確度。

可選地，所述將所述目標視頻幀以及所述支撐視頻幀輸入到已訓練的視頻目標檢測模型中處理，得到所述目標視頻幀對應的檢測結果之前，還包括：

基于初始視頻目標檢測網絡、所述訓練樣本視頻集中各個視頻內的物體相似度、所述訓練樣本視頻集中各個視頻間的物體相似度以及候選物體關系規約生成所述視頻目標檢測模型；所述候選物體關系規約用于在所述初始視頻目標檢測網絡訓練過程中約束各個候選物體之間的關系。

可選地，所述基于初始視頻目標檢測網絡、所述訓練樣本視頻集中各個視頻內的物體相似度、所述訓練樣本視頻集中各個視頻間的物體相似度以及候選物體關系規約生成所述視頻目標檢測模型，包括：

在所述初始視頻目標檢測網絡中基于在所述訓練樣本視頻集中選取的樣本視頻以及支撐視頻構建視頻三元組；所述訓練樣本視頻集包括多個視頻以及每個視頻中包含的每個物體所對應的樣本物體特征；

基于所述視頻三元組中每個視頻所對應的物體特征，構建候選物體三元組；