[发明专利]一种目标检测方法、装置及计算机设备

说明书

本发明实施例提供了一种目标检测方法、装置及计算机设备，目标检测方法包括：获取通过图像采集器采集的待检测图像；将待检测图像输入经训练得到的全卷积神经网络，生成待检测图像的目标上顶点置信度分布图、目标下顶点置信度分布图，以及目标上下顶点关联场图；分别针对目标上顶点置信度分布图及目标下顶点置信度分布图，采用预设目标确定方法，确定待检测图像中的上、下顶点目标；通过将各上、下顶点目标映射至目标上下顶点关联场图中，针对第一顶点目标，分别计算第一顶点目标与各第二顶点目标连线间的关联场值；基于各关联场值，通过对上下顶点进行匹配，确定关联场值最大的连线为指定目标。通过本方案可以提高目标检测的准确度。

技术领域

本发明涉及机器视觉技术领域，特别是涉及一种目标检测方法、装置及计算机设备。

背景技术

随着社会的不断进步，视频监控系统的应用范围越来越广泛，智能监控作为视频监控技术的一个研究热点，近年来，在一些特定的场合，例如银行、车站、商场等公共场合逐渐普及。目标检测作为智能监控的一环节，有着非常重要的意义，目标检测可以定义为：判断输入图像或视频中是否存在指定目标，如果存在指定目标，则输出指定目标在图像或者视频中的位置信息。目前，常用的目标检测方法主要有背景差法、帧差法、光流法、模板匹配和基于机器学习的方法。前四种目标检测方法都是常规基于图像处理的目标检测方法，易受到光照变化、色彩和姿态等影响。而基于机器学习的目标检测方法，从样本集中学习指定目标的不同变化，具有较好的鲁棒性。

相关的基于机器学习的目标检测方法中，首先构建训练样本集，通过对训练样本集进行训练，得到一个卷积神经网络模型。在进行目标检测时，将待检测的图片输入训练好的卷积神经网络模型，可以得到指定目标所对应的候选框和置信度，然后进行非极大值抑制和阈值筛选，确定待检测的图片中的指定目标。

但是，在一些特殊的场景下，目标的分布较为密集，例如，在人群密集的场景下，行人目标会出现拥挤的情况，这样，使得在利用上述基于机器学习的目标检测方法中，所得到的候选框之间存在重叠的情况，对相互重叠的候选框进行非极大值抑制，可能会舍弃掉真实的指定目标对应的候选框，导致漏检部分目标，具有一定的检测误差。

发明内容

本发明实施例的目的在于提供一种目标检测方法、装置及计算机设备，以提高目标检测的准确度。具体技术方案如下：

第一方面，本发明实施例提供了一种目标检测方法，所述方法包括：

获取通过图像采集器采集的待检测图像；

将所述待检测图像输入经训练得到的全卷积神经网络，生成所述待检测图像的目标上顶点置信度分布图、目标下顶点置信度分布图，以及目标上下顶点关联场图；

分别针对所述目标上顶点置信度分布图及所述目标下顶点置信度分布图，采用预设目标确定方法，确定所述待检测图像中至少一个上顶点目标及至少一个下顶点目标；

通过将各上顶点目标及各下顶点目标映射至所述目标上下顶点关联场图中，针对第一顶点目标，分别计算所述第一顶点目标与各第二顶点目标连线间的关联场值，其中，若所述第一顶点目标为任一上顶点目标，则所述第二顶点目标为任一下顶点目标，若所述第一顶点目标为任一下顶点目标，则所述第二顶点目标为任一上顶点目标；

基于所述第一顶点目标与各第二顶点目标连线间的关联场值，通过对上下顶点进行匹配，确定关联场值最大的连线为指定目标。

第二方面，本发明实施例提供了一种目标检测装置，所述装置包括：

第一获取模块，用于获取通过图像采集器采集的待检测图像；

第一生成模块，用于将所述待检测图像输入经训练得到的全卷积神经网络，生成所述待检测图像的目标上顶点置信度分布图、目标下顶点置信度分布图，以及目标上下顶点关联场图；