[发明专利]目标检测方法和装置、训练方法、电子设备、程序和介质

权利要求书

1.一种目标检测方法，其特征在于，包括：

经神经网络分别提取模板 帧和检测帧的特征，其中，所述模板 帧为目标对象的检测框图像，所述模板 帧的图像大小小于所述检测帧；

基于所述模板 帧的特征获取局部区域检测器的分类权重和回归权重；

将所述检测帧的特征输入所述局部区域检测器，得到所述局部区域检测器输出的多个备选框的分类结果和回归结果；

根据所述局部区域检测器输出的多个备选框的分类结果和回归结果，获取所述检测帧中所述目标对象的检测框。

2.根据权利要求1所述的方法，其特征在于，还包括：

经所述神经网络提取视频序列中时序位于所述检测帧之后的至少一其他检测帧的特征；

将所述至少一其他检测帧的特征依次输入所述局部区域检测器，依次得到所述局部区域检测器输出的所述至少一其他检测帧中的多个备选框、以及各备选框的分类结果和回归结果；

依次根据所述至少一其他检测帧的多个备选框的分类结果和回归结果，获取所述至少一其他检测帧中所述目标对象的检测框。

3.根据权利要求1所述的方法，其特征在于，经神经网络分别提取模板 帧和检测帧的特征，包括：

经同一神经网络分别提取所述模板 帧和所述检测帧的特征；或者，

经具有相同结构的不同神经网络分别提取所述模板 帧和所述检测帧的特征。

4.根据权利要求1所述的方法，其特征在于，所述模板帧为视频序列中检测时序位于所述检测帧之前、且目标对象的检测框确定的帧。

5.根据权利要求1所述的方法，其特征在于，所述检测帧为需要进行所述目标对象检测的当前帧或者当前帧中可能包含所述目标对象的区域图像。

6.根据权利要求5所述的方法，其特征在于，所述检测帧为需要进行所述目标对象检测的当前帧中可能包含所述目标对象的区域图像时，所述方法还包括：

以所述模板帧的中心点为中心点，从当前帧中截取长度和/或宽度对应大于所述模板帧的图像长度和/或宽度的区域图像作为所述检测帧。

7.根据权利要求1-6任一所述的方法，其特征在于，基于所述模板 帧的特征获取局部区域检测器的分类权重，包括：

通过第一卷积层对所述模板帧的特征进行卷积操作，以卷积操作得到的第一特征作为所述局部区域检测器的分类权重。

8.根据权利要求1-6任一所述的方法，其特征在于，基于所述模板 帧的特征获取局部区域检测器的回归权重，包括：

通过第二卷积层对所述模板帧的特征进行卷积操作，以卷积操作得到的第二特征作为所述局部区域检测器的回归权重。

9.根据权利要求1-6任一所述的方法，其特征在于，将所述检测帧的特征输入所述局部区域检测器，得到所述局部区域检测器输出的多个备选框的分类结果和回归结果，包括：

利用所述分类权重对所述检测帧的特征进行卷积操作，获得多个备选框的分类结果；以及利用所述回归权重对所述检测帧的特征进行卷积操作，获得多个备选框的回归结果。

10.根据权利要求9所述的方法，其特征在于，提取所述检测帧的特征之后，还包括：通过第三卷积层对所述检测帧的特征进行卷积操作，获得第三特征，所述第三特征的通道数量与所述检测帧的特征的通道数量相同；

所述利用所述分类权重对所述检测帧的特征进行卷积操作，获得多个备选框的分类结果，包括：利用所述分类权重对所述第三特征进行卷积操作，获得多个备选框的分类结果。

11.根据权利要求9所述的方法，其特征在于，提取所述模板帧的特征之后，还包括：通过第四卷积层对所述模板帧的特征进行卷积操作，获得第四特征，所述第四特征的通道数量与所述模板帧的特征的通道数量相同；

利用所述回归权重对所述检测帧的特征进行卷积操作，获得多个备选框的回归结果，包括：利用所述回归权重对所述第四特征进行卷积操作，获得多个备选框的回归结果。