[發明專利]目標檢測、軌跡跟蹤方法、模型及其電子設備

有效

• 申請號: 202110622443.4
• 申請日: 2021-06-04
• 公開（公告）號: CN113096159B
• 公開（公告）日: 2021-09-14
• 發明（設計）人: 李圣權;毛云青;盛小娟;張香偉;王國梁
• 申請（專利權）人: 城云科技（中國）有限公司
• 主分類號: G06T7/246
• 分類號: G06T7/246;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 無錫市匯誠永信專利代理事務所(普通合伙) 32260
• 代理人: 倪楊

本發明提供一種目標檢測、軌跡跟蹤方法、模型及其電子設備，該方法通過改進目標檢測模型的結構，增加空洞編碼模塊使得模型檢測到的目標可覆蓋更多的感受野，進而提高小尺寸目標或者低分辨特征圖中目標的檢測效率，且通過頭部預測模塊改善目標檢測的誤報率，提高視頻中目標檢測的精度，可特別應用于視頻中小目標的檢測。

技術領域

本發明涉及目標檢測領域，特別涉及一種目標檢測、軌跡跟蹤方法、模型及其電子設備。

背景技術

計算機視覺在人們的生活中逐漸變得越發重要，它廣泛應用于機器人導航、智能視頻監控、工業檢測、航空航天等諸多領域，通過計算機視覺可減少對人力資本的消耗，具有重要的現實意義。而在計算機視覺中，目標檢測和目標跟蹤計算機視覺和數字圖像處理的一個熱門方向，也是智能監控系統的核心部分，通過對智能監控圖像進行目標檢測和目標跟蹤可實現各種實際場景的監控需求。

目標檢測是指利用計算機視覺技術從圖像中準確地檢測到需求目標，然而目前應用于計算機視覺領域的目標檢測的方式主要存在以下問題：1.在對多幀視頻幀進行目標檢測時，經常會出現目標檢測誤報的情況，也就是說目前的卷積神經網絡難以抑制來自較差識別位置的誤報。而造成誤報的原因主要有：①視頻中檢測的目標尺寸過小，②在主干卷積神經網絡中提取的特征不太豐富；③在網絡預測模塊預測結果沒有更好的精練對目標類別的識別。 2. 監控視頻下中的小目標檢測難度大，若需要檢測小目標則需要生成一個高分辨率的特征圖來進行小目標檢測，而一般的網絡結構最終得到的特征圖分辨率很低，損失了空間結構，導致無法精準地檢測到小目標。

另外，目標跟蹤指的是根據序列圖像或者一個視頻的上下文信息，對目標的運動信息和外觀進行建模，從而對動態目標的運動狀態進行預測并標定位置的技術，實現目標跟蹤的基礎是實現特定目標的目標檢測。如上所述，目標檢測存在諸多的技術問題，進而導致應用于計算機視覺的目標跟蹤表現不佳。也就是說，目標檢測的精度直接影響著目標跟蹤的效果。

然而在實際生活中，監控視頻內動態目標的檢測和跟蹤是具有廣泛意義的。比如高空拋物的監控為例，若能利用計算機視覺技術及時地對監控視頻中高空拋擲的物體進行檢測和跟蹤的話，則可從源頭上出發找到責任人，將很大程度地提高社區安全管理能力。具體的，以高空拋物或者高空墜物的情境為例進行說明：以一包250克重的衣服從15米高空自由落體來做實驗，結果表明衣物可以使得3-5毫米厚的鋼化玻璃四分五裂，由此可見高空拋物或高空墜物的社會危害性極高；而目前的高空拋物或高空墜物的判別往往面臨著調查取證難、無法確定具體侵權人等問題，且目前的監控技術由于無法精準地識別高空中的運動的小目標，也無法很好地應用于高空拋物場景的監控。

發明內容

本發明的目的在于提供一種目標檢測、軌跡跟蹤方法、模型及其電子設備，該方法通過改進目標檢測模型的結構，增加空洞編碼模塊使得模型檢測到的目標可覆蓋更多的感受野，進而提高小尺寸目標或者低分辨特征圖中目標的檢測效率，且通過頭部預測模塊改善目標檢測的誤報率，提高視頻中目標檢測的精度。

為實現以上目的，本技術方案提供一種目標檢測方法，包括以下步驟：

獲取待處理視頻幀，提取所述待處理視頻幀的第一特征圖；

所述第一特征圖作為空洞編碼模塊中的輸入，通過所述空洞編碼模塊的投影層進行卷積處理獲得第二特征圖，其中所述第二特征圖的特征通道數被降低；

將所述第二特征圖通過堆疊所述空洞編碼模塊的不同擴張因子的多個殘差塊生成具有多感受野的第三特征圖，其中每一所述殘差塊包括一個用于減少特征通道的1*1卷積核、一個用于增大感受野的3*3空洞卷積核和一個用于擴充特征通道數的1*1卷積核，經每個所述殘差塊處理后的特征通道數不變，且每一所述殘差塊中的3*3空洞卷積核的空洞率不同；

所述第三特征圖作為對應的預測網絡的輸入，輸出預測結果。

第二方面，本方案提供一種目標軌跡跟蹤方法，包括以下步驟：