[發(fā)明專利]一種檢測目標區(qū)域的方法、裝置、設備及存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 202011183534.4
• 申請日: 2020-10-29
• 公開（公告）號: CN112330619B
• 公開（公告）日: 2023-10-10
• 發(fā)明（設計）人: 惠強;任馨怡
• 申請（專利權(quán)）人: 浙江大華技術(shù)股份有限公司
• 主分類號: G06V20/10
• 分類號: G06V20/10;G06V10/56;G06V10/764;G06V10/75;G06V10/82;G06N3/0464;G06N3/084
• 代理公司: 北京同達信恒知識產(chǎn)權(quán)代理有限公司 11291
• 代理人: 杜晶

1.一種檢測目標區(qū)域的方法，其特征在于，包括：

將接收的待檢測圖像輸入?yún)^(qū)域識別模型，確定所述待檢測圖像中每個像素點的區(qū)域類別，獲得所述待檢測圖像中的目標區(qū)域；其中，所述區(qū)域識別模型是根據(jù)大量樣本圖像，以及樣本圖像中每個像素點的區(qū)域類別標記訓練得到的，所述目標區(qū)域包括所述待檢測圖像中，區(qū)域類別為目標區(qū)域類別的所有像素點；

將所述目標區(qū)域劃分為至少一個目標子區(qū)域，并識別所述至少一個目標子區(qū)域中每個目標子區(qū)域的顏色類別；

基于各個目標子區(qū)域的顏色類別，獲得針對所述待檢測圖像的檢測結(jié)果。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，將接收的待檢測圖像輸入?yún)^(qū)域識別模型，確定所述待檢測圖像中每個像素點的區(qū)域類別，具體包括：

將接收的待檢測圖像輸入?yún)^(qū)域識別模型，獲得所述區(qū)域識別模型輸出的所述待檢測圖像中每個像素點屬于各個區(qū)域類別的概率；

針對每個像素點，根據(jù)像素點屬于各個區(qū)域類別的概率，將概率最大的區(qū)域類別作為像素點的區(qū)域類別，獲得所述待檢測圖像中每個像素點的區(qū)域類別。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，在將接收的待檢測圖像輸入?yún)^(qū)域識別模型，確定所述待檢測圖像中每個像素點的區(qū)域類別之前，還包括：

接收前端拍攝裝置發(fā)送的待檢測圖像；或者，

向前端拍攝裝置發(fā)送拍攝控制指令，以使所述前端拍攝裝置依據(jù)所述拍攝控制指令進行拍攝，并返回拍攝的待檢測圖像。

4.根據(jù)權(quán)利要求1～3任一項所述的方法，其特征在于，基于各個目標子區(qū)域的顏色類別，獲得針對所述待檢測圖像的檢測結(jié)果，具體包括：

將各個目標子區(qū)域的顏色類別，作為針對所述待檢測圖像的檢測結(jié)果；或者，

將顏色類別相同的目標子區(qū)域的數(shù)量，與所述至少一個目標子區(qū)域中所有目標子區(qū)域的數(shù)量的比值，作為針對所述待檢測圖像的檢測結(jié)果；或者，

將顏色類別相同的目標子區(qū)域的像素點數(shù)量，與所述至少一個目標子區(qū)域中所有目標子區(qū)域中的像素點數(shù)量的比值，作為針對所述待檢測圖像的檢測結(jié)果。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述區(qū)域識別模型是結(jié)合判決模型訓練得到的，在將接收的待檢測圖像輸入?yún)^(qū)域識別模型，確定所述待檢測圖像中每個像素點的區(qū)域類別之前，所述區(qū)域識別模型的訓練過程包括：

將樣本圖像輸入?yún)^(qū)域識別模型，確定所述樣本圖像的中每個像素點的區(qū)域類別；

根據(jù)每個像素點的區(qū)域類別，以及對應的區(qū)域類別標記，確定像素匹配誤差；

根據(jù)各個識別區(qū)域，以及對應的樣本區(qū)域，確定區(qū)域匹配誤差；其中，所述識別區(qū)域是根據(jù)樣本圖像中，區(qū)域類別相同的像素點確定的，所述樣本區(qū)域是根據(jù)樣本圖像中，區(qū)域類別標記相同的像素點確定的；

利用所述判決模型針對由各個識別區(qū)域所構(gòu)成的圖像，以及由各個樣本區(qū)域所構(gòu)成的圖像進行判決得到的判決概率，確定判決誤差；其中，所述判決模型用于確定輸入圖像是由各個識別區(qū)域所構(gòu)成的圖像的概率，以及是由各個樣本區(qū)域所構(gòu)成的圖像的概率；

根據(jù)所述像素匹配誤差、所述區(qū)域匹配誤差以及判決誤差的加權(quán)和，確定所述區(qū)域識別模型結(jié)合所述判決模型的訓練損失；

若確定所述訓練損失未收斂，則調(diào)整所述區(qū)域識別模型的模型參數(shù)和所述判決模型的模型參數(shù)，以使所述訓練損失收斂，獲得已訓練的區(qū)域識別模型。

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，根據(jù)各個識別區(qū)域，以及對應的樣本區(qū)域，確定區(qū)域匹配誤差，具體包括：

針對每個識別區(qū)域，確定識別區(qū)域中各個像素點的像素點位置，獲得第一像素點位置集合；確定識別區(qū)域?qū)臉颖緟^(qū)域中各個像素點的像素點位置，獲得第二像素點位置集合；

根據(jù)第一像素點位置集合與第二像素點位置集合的交集中像素點位置的數(shù)量，與第一像素點位置集合與第二像素點位置集合的并集中像素點位置的數(shù)量的比值，確定識別區(qū)域與對應的樣本區(qū)域之間的匹配誤差；

根據(jù)各個識別區(qū)域，與對應的樣本區(qū)域之間的匹配誤差的加權(quán)和，確定區(qū)域匹配誤差。