[发明专利]一种目标检测方法及装置

说明书

本申请公开了一种目标检测方法及装置，目标检测方法包括：获取初始图像，初始图像中对兴趣目标标注有初始边界框；将初始图像输入预先训练的回归模型，得到回归模型输出的包含调整后边界框的待分割图像，回归模型为利用标注有兴趣目标的真实边界框及标注有兴趣目标的初始边界框的训练图像进行预训练得到；将待分割图像中调整后边界框所包含的图像分割出来，作为包含兴趣目标的待分类图像。在本申请中，通过以上方式提高了兴趣目标的边界框的标注精度。

技术领域

本申请涉及目标检测领域，更具体地说，涉及一种目标检测方法及装置。

背景技术

交通部门为了大众进行安全有序的行驶，通常将道路交通标志以标注的形式放置在路面两侧的标志牌或直接绘制在路面上，用于对驾驶员的驾驶进行警告、禁止、限制或指示。

在智能交通领域，道路交通标志有着巨大的作用，如导航服务商可以基于道路交通标志规划道路行程；智能汽车可以根据道路交通标志实时判断道路是否可以行驶等。因此，道路交通标志的识别显得尤为重要。现有道路交通标志的识别一般是采用图像分割技术，识别交通标志在图像中的位置区域，并将交通标志从图像中分割出来。然而，图像分割技术识别目标在图像中位置区域的精度往往不高，导致道路交通标志的识别精度不高。

发明内容

有鉴于此，本申请提供了一种目标检测方法及装置，用于解决采用图像分割技术从图像中识别道路交通标志，精度不高的问题。

为了实现上述目的，现提出的方案如下：

一种目标检测方法，包括：

获取初始图像，所述初始图像中对兴趣目标标注有初始边界框；

将所述初始图像输入预先训练的回归模型，得到所述回归模型输出的包含调整后边界框的待分割图像，所述回归模型为利用标注有兴趣目标的真实边界框及标注有兴趣目标的初始边界框的训练图像进行预训练得到；

将所述待分割图像中所述调整后边界框所包含的图像分割出来，作为包含所述兴趣目标的待分类图像。

优选的，所述回归模型的预训练过程，包括：

获取标注有兴趣目标的真实边界框及标注有兴趣目标的初始边界框的训练图像；

利用所述训练图像对回归模型进行训练，以使得回归模型输出的对所述初始边界框调整后的边界框与所述真实边界框的位置重合度满足设定条件。

优选的，所述训练图像中标注有兴趣目标的初始边界框包括：

对兴趣目标的真实边界框进行位置扰动后得到的边界框。

优选的，还包括：

利用预先训练的分类模型，确定所述待分类图像所包含的兴趣目标的类别，所述分类模型为预先利用标记有分类类别的训练图像进行训练得到。

优选的，所述分类模型包括大尺寸兴趣目标分类模型和小尺寸兴趣目标分类模型；

所述大尺寸兴趣目标分类模型为利用标记有分类类别，且包含设定大尺寸级别的兴趣目标的训练图像进行训练得到；

所述小尺寸兴趣目标分类模型为利用标记有分类类别，且包含设定小尺寸级别的兴趣目标的训练图像进行训练得到；

所述利用预先训练的分类模型，确定所述待分类图像所包含的兴趣目标的类别，包括：

若各待分类图像中仅存在属于设定大尺寸级别的兴趣目标，则利用所述大尺寸兴趣目标分类模型，确定所述待分类图像所包含的兴趣目标的类别；

若各待分类图像中仅存在属于设定小尺寸级别的兴趣目标，则利用所述小尺寸兴趣目标分类模型，确定所述待分类图像所包含的兴趣目标的类别。