[發明專利]基于Faster-RCNN物體空間區分方法、裝置、計算機設備及存儲介質

有效

• 申請號: 202210082954.6
• 申請日: 2022-01-25
• 公開（公告）號: CN114120160B
• 公開（公告）日: 2022-04-29
• 發明（設計）人: 姜帝兆;鄭義;李驥東
• 申請（專利權）人: 成都合能創越軟件有限公司
• 主分類號: G06V20/20
• 分類號: G06V20/20;G06V10/75;G06V10/82;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京卓恒知識產權代理事務所(特殊普通合伙) 11394
• 代理人: 孔鵬

1.一種基于Faster-RCNN的物體環境區分方法，其特征在于，所述方法包括：

獲取待識別圖像；

針對所述待識別圖像，通過Faster-RCNN目標區域推薦網絡獲得多個感興趣區域；

獲取獨立所述感興趣區域的參量；

通過所述參量生成高斯熱圖，所述熱圖與特征圖大小相同；

所述高斯熱圖作為掩膜，通過點乘所述特征圖得到環境熱圖；

對所述環境熱圖進行池化，得到特征熱圖，基于所述特征熱圖得到特征向量；

基于Faster-RCNN識別結果回歸層生成類別向量，將所述類別向量與所述特征向量進行拼接，得到目標向量；

對所述目標向量進行回歸處理，得到物體-環境匹配值；

基于所述物體-環境匹配值進行物體環境的區分。

2.根據權利要求1所述的物體環境區分方法，其特征在于，所述參量包括所述感興趣區域的中心位置坐標及寬度和高度。

3.根據權利要求1所述的物體環境區分方法，其特征在于，所述環境熱圖池化處理在所述Faster-RCNN感興趣區域池化層中進行。

4.根據權利要求3所述的物體環境區分方法，其特征在于，對所述環境熱圖進行池化處理后，得到所述特征熱圖，并對所述特征熱圖進行調整，調整為1維向量，得到特征向量。

5.根據權利要求4所述的物體環境區分方法，其特征在于，所述類別向量通過Faster-RCNN全連接層與softmax函數生成。

6.根據權利要求5所述的物體環境區分方法，其特征在于，所述類別向量拼接至所述特征向量的數據后部，形成目標向量。

7.根據權利要求6所述的物體環境區分方法，其特征在于，所述物體-環境匹配值的獲得通過以下方式：

將所述目標向量通過循環神經網絡LSTM變形，經過Sigmoid函數得到。

8.根據權利要求6所述的物體環境區分方法，其特征在于，所述物體-環境匹配值的獲得通過以下方式：

將所述目標向量通過變壓器模型Transformer變形，經過Sigmoid函數得到。

9.一種基于Faster-RCNN的物體環境區分裝置，其特征在于，所述裝置包括：獲取模塊，用于獲取待識別圖像；

區域劃分模塊，用于針對所述待識別圖像，通過Faster-RCNN目標區域推薦網絡獲得多個感興趣區域；

參量確定模塊，用于獲取獨立所述感興趣區域的參量；

高斯熱圖生成模塊，用于通過所述參量生成高斯熱圖，所述熱圖與特征圖大小相同；

環境熱圖確定模塊，用于對所述高斯熱圖作為掩膜，通過點乘所述特征圖得到環境熱圖；

特征向量確定模塊，用于對所述環境熱圖進行池化，得到特征熱圖，基于所述特征熱圖得到特征向量；

目標向量確定模塊，用于基于Faster-RCNN識別結果回歸層生成類別向量，將所述類別向量與所述特征向量進行拼接，得到目標向量；

物體-環境匹配值確定模塊，用于對所述目標向量進行回歸處理，得到物體-環境匹配值；

區分模塊，用于基于所述物體-環境匹配值進行物體環境的區分。

10.一種計算機設備，其特征在于，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，所述處理器執行所述程序時，實現如權利要求1-8中任一所述的基于Faster-RCNN物體環境區分方法。

11.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，該程序被處理器執行時實現如權利要求1-8中任一所述的基于Faster-RCNN物體環境區分方法。