[發明專利]目標的檢測方法、裝置、電子設備及存儲介質

在審

• 申請號: 202110239020.4
• 申請日: 2021-03-04
• 公開（公告）號: CN112966683A
• 公開（公告）日: 2021-06-15
• 發明（設計）人: 王超;周效軍
• 申請（專利權）人: 咪咕文化科技有限公司;中國移動通信集團有限公司
• 主分類號: G06K9/32
• 分類號: G06K9/32;G06N3/04;G06N3/08
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 苗曉靜

本發明提供一種目標的檢測方法、裝置、電子設備及存儲介質。其中，目標的檢測方法，包括：根據待檢測的目標的尺寸，對初始檢測窗口進行調整，得到針對所述目標的檢測窗口；基于所述檢測窗口，進行目標檢測。本發明的目標的檢測方法，在圖像中的目標的檢測過程中，使用自適應的檢測窗口，從而可以快速的，完整的檢測到目標，達到用檢測次數相對更少、檢測的目標盡可能完整，避免拼接或者減少拼接次數，進而，具有目標檢測的計算量低、效率高的優點。

技術領域

本發明涉及計算機技術領域，尤其涉及一種目標的檢測方法、裝置、電子設備及存儲介質。

背景技術

目前，圖像中的目標檢測通常是使用整幅圖像作為輸入，采用固定尺寸大小的矩形檢測窗口依次掃描整幅圖像的每一個區域，并且使用深度學習的方式提取檢測窗口內的特征，確定是否有待檢測的目標特征存在。如果檢測到當前區域中有待檢測目標的全部特征存在，則認為是檢測到了待檢測目標，檢測過程結束。如果檢測到當前區域中有待檢測目標的局部特征存在，則認為當前檢測區域附近有待檢測目標，則需要在當前區域附近擴大范圍繼續檢測，對相鄰的檢測窗口區域存在待檢測目標特征的區域進行拼接，從而得到完整的待檢測目標，檢測過程結束。存在以下缺點：存在因檢測窗口大小設置固化，從而不可避免的在檢測過程中需要對相鄰的存在待檢測目標特征的區域進行特征拼接，拼接需要耗費大量的計算，因此，導致目標識別計算量大、效率低。

發明內容

本發明提供一種目標的檢測方法、裝置、電子設備及存儲介質，可以有效降低圖像中目標檢測的計算量，具有目標檢測效率高的優點。

本發明提供一種目標的檢測方法，包括：

根據待檢測的目標的尺寸，對初始檢測窗口進行調整，得到針對所述目標的檢測窗口；

基于所述檢測窗口，進行目標檢測。

進一步地，所述根據待檢測的目標的尺寸，對初始檢測窗口進行調整，得到針對所述目標的檢測窗口，包括：

利用所述初始檢測窗口對待檢測的圖像進行目標檢測，確定所述初始檢測窗口識別出所述目標所進行的檢測次數和拼接次數；

基于深度學習模型，以檢測次數和拼接次數達到最小值為目標，對所述初始檢測窗口進行迭代，得到檢測次數和拼接次數達到最小值時的檢測窗口尺寸參數；

按照所述尺寸參數設置調整所述初始檢測窗口，得到針對所述目標的檢測窗口。

進一步地，在利用所述初始檢測窗口對待檢測的圖像進行目標檢測之前，還包括：

以所述圖像的幾何中心點為幾何坐標系的原點，將所述圖像映射到所述幾何坐標系中；

所述利用所述初始檢測窗口對待檢測的圖像進行目標檢測，包括：

以所述幾何坐標系的原點為檢測窗口的一個頂點，以初始檢測窗口尺寸參數和預設的檢測窗口移動步長對圖像進行目標檢測，并對每個檢測窗口檢測到的圖像區域輸入至所述深度學習模型中進行目標識別。

進一步地，所述檢測窗口尺寸參數包括檢測窗口的對角線長度和檢測方向。

進一步地，基于以下評價函數確定所述檢測窗口尺寸參數，其中，所述評價函數為：

F_i(l，θ)＝J_i(l，θ)+S_i(l，θ)；

其中，所述F_i(l，θ)為第i個目標的評價函數，所述J_i(l，θ)為第i個目標所需要的拼接次數，S_i(l，θ)為檢測到第i個目標所需的掃描次數。

進一步地，所述基于深度學習模型，以檢測次數和拼接次數達到最小值為目標，對所述初始檢測窗口進行迭代，得到檢測次數和拼接次數達到最小值時的檢測窗口尺寸參數，包括：