[發明專利]大尺度圖像中目標物體的檢測方法、終端及裝置

在審

• 申請號: 202011628816.0
• 申請日: 2020-12-30
• 公開（公告）號: CN112668577A
• 公開（公告）日: 2021-04-16
• 發明（設計）人: 陶大鵬;王林飛
• 申請（專利權）人: 云南聯合視覺科技有限公司
• 主分類號: G06K9/32
• 分類號: G06K9/32;G06K9/34;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: 田甜

本申請適用于圖像處理技術領域，提供一種大尺度圖像中目標物體的檢測方法、終端及裝置，其中方法包括：對目標區域圖像進行分割，得到包含感興趣目標的關鍵子圖；對所述關鍵子圖進行初次圖像識別，獲取所述感興趣目標在所述關鍵子圖中的相對位置；根據所述相對位置，將所述關鍵子圖中位于子圖邊緣的第一感興趣目標進行聚合，得到聚合圖像；對所述聚合圖像進行二次圖像檢測，得到第一檢測對象；將所述第一檢測對象映射至所述目標區域圖像中，獲取所述目標區域圖像中的目標物體對象。該方案能夠實現對大尺度圖像進行準確高效的目標檢測。

技術領域

本申請屬于圖像處理技術領域，尤其涉及一種大尺度圖像中目標物體的檢測方法、終端及裝置。

背景技術

深度學習已經在目標檢測領域取得了突破性的成就，但在大尺度圖像上檢測微小物體仍是一個具有挑戰性的問題。

例如，大多數遙感應用場景中，待檢測的圖像是超大尺寸的，一張未經人工處理的遙感圖像往往包含著數千萬甚至數億的像素單元，而目標在圖片中僅僅占據很少的像素，適用于小尺寸遙感圖像的檢測器無法在大尺度的遙感圖像上直接工作。

現有技術中有采用圖像裁剪實現目標物體檢測的方法，但通常情況下，大尺度圖像中的目標往往是多尺度的，小的目標只有數十個像素，而大的目標尺寸甚至超出了正常檢測圖片的大小，無法找到一個合適的裁剪比例來同時滿足大目標和小目標的檢測。

因此，大尺度圖像的大尺寸特性及大尺度圖像中待檢測目標的多尺度特性，導致現有檢測方法在大尺度圖像上難以實現準確高效的目標檢測。

發明內容

本申請實施例提供了一種大尺度圖像中目標物體的檢測方法、終端及裝置，以解決現有技術中大尺度圖像的大尺寸特性及大尺度圖像中待檢測目標的多尺度特性，導致現有檢測方法在大尺度圖像上難以實現準確高效的目標檢測的問題。

本申請實施例的第一方面提供了一種大尺度圖像中目標物體的檢測方法，包括：

對目標區域圖像進行分割，得到包含感興趣目標的關鍵子圖；

對所述關鍵子圖進行初次圖像識別，獲取所述感興趣目標在所述關鍵子圖中的相對位置；

根據所述相對位置，將所述關鍵子圖中位于子圖邊緣的第一感興趣目標進行聚合，得到聚合圖像；

對所述聚合圖像進行二次圖像檢測，得到第一檢測對象；

將所述第一檢測對象映射至所述目標區域圖像中，獲取所述目標區域圖像中的目標物體對象。

本申請實施例的第二方面提供了一種大尺度圖像中目標物體的檢測裝置，包括：

圖像分割模塊，用于對目標區域圖像進行分割，得到包含感興趣目標的關鍵子圖；

第一圖像識別模塊，用于對所述關鍵子圖進行初次圖像識別，獲取所述感興趣目標在所述關鍵子圖中的相對位置；

圖像聚合模塊，用于根據所述相對位置，將所述關鍵子圖中位于子圖邊緣的第一感興趣目標進行聚合，得到聚合圖像；

第二圖像識別模塊，用于對所述聚合圖像進行二次圖像檢測，得到第一檢測對象；

獲取模塊，用于將所述第一檢測對象映射至所述目標區域圖像中，獲取所述目標區域圖像中的目標物體對象。

本申請實施例的第三方面提供了一種終端，包括存儲器、處理器以及存儲在所述存儲器中并可在所述處理器上運行的計算機程序，所述處理器執行所述計算機程序時實現如第一方面所述方法的步驟。

本申請實施例的第四方面提供了一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機程序，所述計算機程序被處理器執行時實現如第一方面所述方法的步驟。