[發明專利]一種目標跨域檢測與理解方法、系統、設備及存儲介質

在審

• 申請號: 202010845641.2
• 申請日: 2020-08-20
• 公開（公告）號: CN112001385A
• 公開（公告）日: 2020-11-27
• 發明（設計）人: 劉占文;趙祥模;高濤;沈超;樊星;陳婷;徐江;張凡;班邵雄
• 申請（專利權）人: 長安大學
• 主分類號: G06K9/32
• 分類號: G06K9/32;G06K9/62;G06F40/30
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 李紅霖

本發明公開了一種目標跨域檢測與理解方法、系統、設備及存儲介質，屬于目標檢測與識別領域。通過空間概率控制與顯著點池化，聯合編碼位置概率與圖像特征的耦合關系，高效定位目標候選框對角線頂點，簡化網絡復雜度，以滿足面向實際檢測的應用需求；通過跨域引導語義提取與知識遷移，探究面向不同域的目標深度視覺特征與引導語義包含關系，指導網絡訓練，提取跨域不變特征以增強模型的跨域感知；通過對目標值得注意度解析，探究語義層次跨域感知映射作用與反傳機理，解決具體意圖下值得注意的目標預測與引導語義理解的準確性問題。本發明能夠精確模擬視覺系統對目標的重要性掃描與語義判斷的過程，從而提高環境視覺感知能力及主動安全性。

技術領域

本發明屬于目標檢測與識別領域，涉及一種目標跨域檢測與理解方法、系統、設備及存儲介質。

背景技術

隨著計算機技術的發展以及計算機視覺原理的廣泛普及，目標檢測與識別應用于很多方面：智能監控系統、軍工目標檢測、醫學手術跟蹤以及交通標志校測等。對于同一方面內容，各個國家所設計的實體分別由不同的顏色與圖形表示，但大部分的指示引導語義是相同的；每個國家的不同地方也會在設計基礎上略有變化，即在同一域內的形狀、大小、幾何變化等方面有差異，但其指示引導作用同樣不變。

在同一場景下，目標對于參與者的引導指示作用重要程度不同。在復雜場景中，需要對多個目標進行實時處理時，目標選擇性檢測和識別尤為重要。以目標檢測在交通標志方面應用為例，隨著城市建設規模與基礎設施功能的擴展，在道路兩側或50-100米視場以內，往往會同時有多個交通標志桿，每個交通標志桿上有多個交通標志。通常情況下，根據自身行進意圖，每個道路使用者對交通標志的引導需求及注意度不盡相同。道路使用者通過人眼視覺系統快速掃描從各種交通標志中找到與其行進意圖相關性強的交通標志，即值得注意的交通標志；且能夠快速提取其對應的引導語義，來指導當前的交通行為或作為下一時刻交通行為的決策依據。

現有基于深度學習的目標檢測與識別算法，面向不同數據集并不具備理想的泛化能力，且都是被動檢測出圖像中的所有目標，并沒有考慮目標對不同意圖的使用者的有效性與值得注意度影響的問題。對于目標檢測與識別在自動駕駛的具體應用而言，通過現有的交通標志檢測與識別方法得到的交通標志，作為自動駕駛決策系統的輸入會增加融合的難度和冗余度，以及帶來大量多余的系統計算開支。

因此，面向不同目標域，高效地感知當前意圖相關的值得注意的目標，及理解其對應的引導語義，是基于卷積神經網絡的目標檢測與理解研究的攻關難點。

發明內容

本發明的目的在于克服上述現有技術中，目標跨域檢測與理解方法應用于實際系統計算難度較大和費用較高的技術問題，提供一種目標跨域檢測與理解方法、系統、設備及存儲介質。

為了達到上述目的，本發明采用以下技術方案予以實現：

一種基于注意估計的目標跨域檢測與理解方法，包括如下步驟：

步驟1：以空間概率控制層作為輸入圖像通道，結合邊緣顯著交叉點池化層，構建一種輕量化卷積神經網絡；

步驟2：利用引導語義層次包含關系進行跨域建模，利用目標跨域訓練樣本引導語義的提取與表示；基于引導語義之間的深層包含關系，構建具有引導語義層次包含關系的樹形結構，用于對具體意圖下的NEGSS-NET跨域增強感知；

步驟3：基于步驟2的樹形結構，在復雜場景視覺特征與引導語義之間建立映射預測網絡，獲得特征映射具體過程及定義、映射網絡具體結構及定義，實現圖像視覺特征空間到語義空間的映射；

步驟4：定義聯合引導語義損失和基于意圖的目標值得注意度估計，獲得基于意圖的值得注意度。

優選地，所述步驟1具體包括：

步驟11，利用多尺度空間概率劃分方法建立位置概率控制通道；