[發(fā)明專利]一種圖像檢測方法、裝置、電子設(shè)備及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202310072255.8
• 申請日: 2023-01-30
• 公開（公告）號: CN116229355A
• 公開（公告）日: 2023-06-06
• 發(fā)明（設(shè)計(jì)）人: 寧楠楠;李海洋
• 申請（專利權(quán)）人: 長城汽車股份有限公司
• 主分類號: G06V20/52
• 分類號: G06V20/52;G06V20/40;G06V10/764;G06V10/40;G06V10/82;G06N3/045;G06N3/0464;G06N3/082
• 代理公司: 北京潤澤恒知識產(chǎn)權(quán)代理有限公司 11319
• 代理人: 任晨雪

本發(fā)明提供一種圖像檢測方法、裝置、電子設(shè)備及存儲介質(zhì)，包括：獲取第一圖像集和第二圖像集，第一圖像集包括不同對象的多個(gè)第一圖像樣本，第二圖像集包括對多個(gè)第一圖像樣本進(jìn)行分辨率處理后的第二圖像樣本，第二圖像樣本的分辨率高于第一圖像樣本的分辨率；將多個(gè)第一圖像集輸入到待訓(xùn)練的第一網(wǎng)絡(luò)中的第一分類分支，以及將多個(gè)第二圖像集輸入到所述第一網(wǎng)絡(luò)中的第二分類分支，以對第一網(wǎng)絡(luò)進(jìn)行蒸餾訓(xùn)練；基于訓(xùn)練完成的第一分類分支構(gòu)建分類模型，用于預(yù)測視頻圖像中目標(biāo)對象的類別；以解決目前的安防監(jiān)控對于低質(zhì)量、尺寸小的目標(biāo)識別能力弱，且泛化性較差的問題。

技術(shù)領(lǐng)域

本發(fā)明涉及安防監(jiān)控領(lǐng)域，特別是涉及一種圖像檢測方法、裝置、電子設(shè)備及存儲介質(zhì)。

背景技術(shù)

安防監(jiān)控系統(tǒng)是指在監(jiān)視設(shè)防區(qū)域?qū)^(qū)域安全、人員行為以及設(shè)備運(yùn)行狀態(tài)等狀況進(jìn)行監(jiān)控的系統(tǒng)，在監(jiān)控到異常情況時(shí)，安防監(jiān)控系統(tǒng)可以發(fā)出報(bào)警信息，提醒監(jiān)控人員注意。

在真實(shí)的監(jiān)控環(huán)境下，監(jiān)控視頻質(zhì)量較低，而目前的安防監(jiān)控系統(tǒng)存在對于低質(zhì)量、尺寸小的目標(biāo)識別能力弱，且泛化性較差的問題，無法滿足使用需求。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明旨在提出一種圖像檢測方法、裝置、電子設(shè)備及存儲介質(zhì)，以解決目前的安防監(jiān)控對于低質(zhì)量、尺寸小的目標(biāo)識別能力弱、泛化性較差的問題。

為達(dá)到上述目的，本發(fā)明的技術(shù)方案是這樣實(shí)現(xiàn)的：

一種圖像檢測方法，包括：

獲取第一圖像集和第二圖像集，所述第一圖像集包括不同目標(biāo)對象的多個(gè)第一圖像樣本，所述第二圖像集包括對多個(gè)所述第一圖像樣本進(jìn)行分辨率處理后的第二圖像樣本，所述第二圖像樣本的分辨率高于所述第一圖像樣本的分辨率；

將多個(gè)所述第一圖像集輸入到待訓(xùn)練的第一網(wǎng)絡(luò)中的第一分類分支，以及將多個(gè)所述第二圖像集輸入到所述第一網(wǎng)絡(luò)中的第二分類分支，以對所述第一網(wǎng)絡(luò)進(jìn)行蒸餾訓(xùn)練；其中，所述第二分類分支的輸出作為所述第一分類分支的訓(xùn)練標(biāo)簽，每一次訓(xùn)練時(shí)，基于所述第一分類分支以及所述第二分類分支輸出的分類結(jié)果，對所述第一分類分支以及所述第二分類分支各自的參數(shù)進(jìn)行更新；

基于訓(xùn)練完成的所述第一分類分支構(gòu)建分類模型，所述分類模型用于預(yù)測視頻圖像中所述目標(biāo)對象的類別。

進(jìn)一步地，所述獲取第一圖像集，包括：

將攝像裝置所拍攝的視頻流輸入至摳圖網(wǎng)絡(luò)，所述摳圖網(wǎng)絡(luò)用于框定所述視頻流中每幀視頻圖像中的所述目標(biāo)對象，并將框定出的區(qū)域進(jìn)行截取后輸出；

獲取由所述摳圖網(wǎng)絡(luò)輸出的所述第一圖像樣本。

進(jìn)一步地，所述基于訓(xùn)練完成的所述第一分類分支構(gòu)建分類模型，包括：

將訓(xùn)練完成的所述第一分類分支中的參數(shù)遷移至第一目標(biāo)分類網(wǎng)絡(luò)，得到所述分類模型；

或者，將訓(xùn)練完成的所述第一分類分支中的參數(shù)遷移至第二目標(biāo)分類網(wǎng)絡(luò)中的分類模塊，以及將訓(xùn)練完成的所述摳圖網(wǎng)絡(luò)的參數(shù)遷移至所述第二目標(biāo)分類網(wǎng)絡(luò)中的截圖模塊，得到所述分類模型；

其中，所述截圖模塊用于框定所述視頻圖像中的所述目標(biāo)對象，并對所框定的圖像區(qū)域進(jìn)行截取。

進(jìn)一步地，在得到所述分類模型后，包括：

將所述攝像裝置所拍攝的視頻流輸入至所述摳圖網(wǎng)絡(luò)，以通過所述摳圖網(wǎng)絡(luò)從所述視頻流的視頻幀圖像中截取所述目標(biāo)對象的圖像；

將所述摳圖網(wǎng)絡(luò)輸出的所述目標(biāo)對象的圖像輸入到所述分類模型，其中，所述分類模型包括所述第一目標(biāo)分類網(wǎng)絡(luò)；

基于所述分類模型的輸出，確定所述目標(biāo)對象的類別。

進(jìn)一步地，所述目標(biāo)對象的類別表征所述目標(biāo)對象的屬性，在得到所述目標(biāo)對象的類別后，包括：