[發明專利]一種基于自動切圖算法的圖像目標檢測方法

在審

• 申請號: 202310637148.5
• 申請日: 2023-06-01
• 公開（公告）號: CN116664822A
• 公開（公告）日: 2023-08-29
• 發明（設計）人: 陳星;梁麗霞
• 申請（專利權）人: 廣州閱數科技有限公司
• 主分類號: G06V10/25
• 分類號: G06V10/25;G06V10/26;G06V10/80;G06V10/82;G06N3/04
• 代理公司: 北京大地智谷知識產權代理事務所(特殊普通合伙) 11957
• 代理人: 劉洪雨

本發明公開了一種基于自動切圖算法的圖像目標檢測方法，主要步驟如下：1)圖片切分器將要檢測的目標照片進行切分，將其分割成多個小圖像，并對切分后的圖像進行適當重疊；2)多線程并發檢測裝置通過將圖片切分器生成的多個小圖像分配給不同的線程或計算單元進行處理實現并行計算；3)識別結果融合器將多線程并發檢測裝置得到的結果進行匯總和整合得出識別結果，本發明通過圖片切分器、多線程并發檢測裝置和識別結果融合器三個部分的相互協作，能夠在保持現有目標檢測模型不變的情況下，有效地提高目標檢測的準確性和效率。此外，本發明的架構具有較強的通用性，可廣泛應用于不同類型的目標檢測任務和場景。

技術領域

本發明屬于本發明屬于計算機視覺領域，尤其涉及一種基于自動切圖算法的圖像目標檢測方法。

背景技術

本發明一種基于自動切圖算法的圖像目標檢測方法主要應用在商品識別領域，目前這個領域采用的目標檢測方法是YOLO識別器，當商品柜中擺放的商品是小目標，且擺放不對齊、拍照反光時，容易導致識別效果較差。

現階段，因為YOLO模型采用單階段目標檢測的方法，只需提取一次特征的前提下，同時保證了良好的準確率和召回率，使得YOLO成為實戰使用的最多的目標檢測算法。但同時由于YOLO模型是固定輸入圖像通道，通常采用640*640或者1280*1280的圖片尺寸輸入，主流的拍照工具如大部分手機都已經達到了4k的圖片尺寸，因此通常對圖片進行的采用壓縮方式改變圖片尺寸輸入，圖片的壓縮使得目標檢測對部分小目標識別較差。若通過將模型的輸入尺寸增大到4k甚至8k進行模型訓練將會使得模型整體參數過于龐大而無法計算。

為解決現有商品柜中擺放小目標商品，受擺放不對齊、拍照反光等影響導致的識別效果較差、且現有YOLO識別器圖片壓縮方式使得目標檢測對部分小目標識別較差問題，本發明提出了一種基于自動切圖算法的圖像目標檢測方法。

發明內容

鑒于此，為解決前述現有技術存在的諸多缺點，本發明提出一種基于自動切圖算法的高性能圖像目標檢測方法，該方法能保持模型訓練尺寸為640*640或者1280*1280，在目標檢測時候對輸入圖片進行切割分片成若干640*640小圖片進行并發目標檢測，最后將不同分片的檢測結果進行加權融合得出識別結果。本發明可以采用JAVA編程語言實現，利用JAVA的多線程能力并發處理，保證了目標檢測系統的低延時檢測。

本方法的技術方案如下：

一種基于自動切圖算法的圖像目標檢測方法，主要步驟如下：

S1)考慮目標物體的尺寸和形狀，圖片切分器將要檢測的目標照片進行切分，將其分割成多個小圖像，并對切分后的小圖像進行重疊；

配置圖片切分器的參數，所述參數為切分高度、切分寬度、高度重疊率、寬度重疊率；切分流程步驟如下：

S11)計算圖片y軸重疊像素數：將高度重疊率與切分高度相乘，然后取整數值；

S12)計算圖片x軸重疊像素數：將寬度重疊率與切分寬度相乘，然后取整數值；

S13)初始化圖片y軸最大像素值為0；

S14)進行行循環：當圖片y軸最大像素值小于圖片高度時，執行以下步驟：

A)將圖片x軸最大像素值和圖片x軸最小像素值都初始化為0；

B)計算圖片y軸最大像素值：將圖片y軸最小像素值與切分高度相加；

C)進行列循環：當圖片x軸最大像素值小于圖片寬度時，執行以下步驟：

i)計算圖片x軸最大像素值：將圖片x軸最小像素值與切分寬度相加；

ii)如果圖片y軸最大像素值大于圖片高度或圖片x軸最大像素值大于圖片寬度，則：