[發(fā)明專利]目標(biāo)檢測(cè)方法、裝置、存儲(chǔ)介質(zhì)、電子設(shè)備及車輛

在審

• 申請(qǐng)?zhí)枺?/td>: 202210444359.2
• 申請(qǐng)日: 2022-04-25
• 公開（公告）號(hào): CN114821573A
• 公開（公告）日: 2022-07-29
• 發(fā)明（設(shè)計(jì)）人: 葉航軍;蔡銳;趙婕;祝賀;王斌;周玨嘉;程錦鑫
• 申請(qǐng)（專利權(quán)）人: 北京小米移動(dòng)軟件有限公司
• 主分類號(hào): G06V20/64
• 分類號(hào): G06V20/64;G06V10/40;G06T7/593;G06N3/04;G06N3/08
• 代理公司: 北京英創(chuàng)嘉友知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11447
• 代理人: 盧夏子

本公開涉及一種目標(biāo)檢測(cè)方法、裝置、存儲(chǔ)介質(zhì)、電子設(shè)備及車輛，所述方法包括：獲取待檢測(cè)圖像對(duì)應(yīng)的特征圖和深度估計(jì)圖；根據(jù)所述特征圖和所述深度估計(jì)圖，確定深度卷積核；根據(jù)所述特征圖和所述深度卷積核，通過預(yù)先訓(xùn)練的區(qū)域候選網(wǎng)絡(luò)模型，確定所述待檢測(cè)圖像中的候選區(qū)域；根據(jù)所述候選區(qū)域，檢測(cè)所述待檢測(cè)圖像中的目標(biāo)物體。也就是說，本公開可以根據(jù)待檢測(cè)圖像對(duì)應(yīng)的特征圖和深度估計(jì)圖確定深度卷積核，并按照該深度卷積核對(duì)該待檢測(cè)圖像對(duì)應(yīng)的特征圖進(jìn)行處理，由于該深度卷積核能夠感知該待檢測(cè)圖像的深度信息，從而克服了二維卷積的局限性，能夠準(zhǔn)確識(shí)別該待檢測(cè)圖像中的半遮擋物體，提高了目標(biāo)檢測(cè)的準(zhǔn)確率。

技術(shù)領(lǐng)域

本公開涉及智能網(wǎng)聯(lián)汽車技術(shù)領(lǐng)域，尤其涉及一種目標(biāo)檢測(cè)方法、裝置、存儲(chǔ)介質(zhì)、電子設(shè)備及車輛。

背景技術(shù)

目標(biāo)檢測(cè)是一種基于目標(biāo)幾何統(tǒng)計(jì)及特征的圖像分割技術(shù)，其應(yīng)用領(lǐng)域十分廣泛，例如，可以應(yīng)用于機(jī)器人或者自動(dòng)駕駛等領(lǐng)域。現(xiàn)階段，2D目標(biāo)檢測(cè)技術(shù)逐漸趨于成熟，部分學(xué)術(shù)成果已投入商用。但由于缺少深度、尺寸等現(xiàn)實(shí)世界幾何信息，2D目標(biāo)檢測(cè)并不能很好地滿足實(shí)際應(yīng)用需求。并且，在物理世界里，物體往往包含有長(zhǎng)度、寬度、高度以及朝向角度等幾何信息。

相關(guān)技術(shù)中，在2D目標(biāo)檢測(cè)的基礎(chǔ)上提供目標(biāo)在三維空間里的尺寸、姿態(tài)等真實(shí)信息，以實(shí)現(xiàn)3D目標(biāo)檢測(cè)。但是，3D目標(biāo)檢測(cè)對(duì)遮擋、截?cái)辔矬w檢測(cè)的準(zhǔn)確率比較低，因此，如何提高目標(biāo)檢測(cè)的準(zhǔn)確率成為亟待解決的問題。

發(fā)明內(nèi)容

為克服相關(guān)技術(shù)中存在的問題，本公開提供一種目標(biāo)檢測(cè)方法、裝置、存儲(chǔ)介質(zhì)、電子設(shè)備及車輛。

根據(jù)本公開實(shí)施例的第一方面，提供一種目標(biāo)檢測(cè)方法，所述方法包括：

獲取待檢測(cè)圖像對(duì)應(yīng)的特征圖和深度估計(jì)圖；

根據(jù)所述特征圖和所述深度估計(jì)圖，確定深度卷積核；

根據(jù)所述特征圖和所述深度卷積核，通過預(yù)先訓(xùn)練的區(qū)域候選網(wǎng)絡(luò)模型，確定所述待檢測(cè)圖像中的候選區(qū)域；

根據(jù)所述候選區(qū)域，檢測(cè)所述待檢測(cè)圖像中的目標(biāo)物體。

可選地，所述獲取待檢測(cè)圖像對(duì)應(yīng)的特征圖包括：

將所述待檢測(cè)圖像輸入預(yù)先訓(xùn)練的特征圖獲取模型，以獲取所述特征圖獲取模型輸出的所述特征圖。

可選地，所述根據(jù)所述特征圖和所述深度估計(jì)圖，確定深度卷積核包括：

將所述特征圖和所述深度估計(jì)圖輸入預(yù)先訓(xùn)練的卷積核生成模型，以獲取所述卷積核生成模型輸出的所述深度卷積核。

可選地，所述區(qū)域候選網(wǎng)絡(luò)模型包括卷積層，所述根據(jù)所述特征圖和所述深度卷積核，通過預(yù)先訓(xùn)練的區(qū)域候選網(wǎng)絡(luò)模型，確定所述待檢測(cè)圖像中的候選區(qū)域包括：

將所述特征圖和所述深度卷積核輸入所述區(qū)域候選網(wǎng)絡(luò)模型，以便所述區(qū)域候選網(wǎng)絡(luò)模型的卷積層按照所述深度卷積核對(duì)所述特征圖進(jìn)行卷積處理，得到所述待檢測(cè)圖像中的候選區(qū)域。

可選地，所述根據(jù)所述候選區(qū)域，檢測(cè)所述待檢測(cè)圖像中的目標(biāo)物體包括：

將所述候選區(qū)域輸入預(yù)先訓(xùn)練的目標(biāo)檢測(cè)模型，以獲取所述目標(biāo)檢測(cè)模型輸出的所述目標(biāo)物體的類型和邊框。

根據(jù)本公開實(shí)施例的第二方面，提供一種目標(biāo)檢測(cè)裝置，所述裝置包括：

獲取模塊，被配置為獲取待檢測(cè)圖像對(duì)應(yīng)的特征圖和深度估計(jì)圖；

卷積核確定模塊，被配置為根據(jù)所述特征圖和所述深度估計(jì)圖，確定深度卷積核；

區(qū)域確定模塊，被配置為根據(jù)所述特征圖和所述深度卷積核，通過預(yù)先訓(xùn)練的區(qū)域候選網(wǎng)絡(luò)模型，確定所述待檢測(cè)圖像中的候選區(qū)域；