[发明专利]目标检测方法、装置、电子设备及计算机可读介质

说明书

本发明提供了一种目标检测方法、装置、电子设备及计算机可读介质，涉及图像处理的技术领域，该方法包括：提取目标图像帧中前景物体的度量特征，前景物体的数量至少为一个；确定待检对象的度量特征，待检对象的数量至少为一个；基于待检对象的度量特征和前景物体的度量特征在前景物体中检测待检对象，本申请缓解了现有技术中存在的在采用较少的训练样本对网络进行训练时，无法进行有效的目标检测的技术问题。

技术领域

本发明涉及图像处理的技术领域，尤其是涉及一种目标检测方法、装置、电子设备及计算机可读介质。

背景技术

目标检测在诸多领域都有广泛的应用，针对视频序列的目标检测可用于视频标签、视频检索、视频分类、视频安全鉴定等多个任务。在以往的视频序列的目标检测方法中，往往采用基于机器学习的方法。例如，传统的HAAR/LBP/HOG特征与SVM结合的传统方法，以及采用深度学习与卷积神经网络的目标检测方法，如Faster RCNN、YOLO、SSD、RFCN。但是，这些方法往往需要大量的训练数据，而且只能检测特定的、有限的目标。如果待检测目标只有极少(例如，一张)样本，这类方法就失效了。

针对上述问题，还未提出有效解决方案。

发明内容

有鉴于此，本发明的目的在于提供一种目标检测方法、装置、电子设备及计算机可读介质，以缓解了现有技术中存在的在采用较少的训练样本对网络进行训练时，无法进行有效的目标检测的技术问题。

第一方面，本发明实施例提供了一种目标检测方法，包括：提取目标图像帧中前景物体的度量特征，所述前景物体的数量至少为一个；确定待检对象的度量特征，所述待检对象的数量至少为一个度量特征；基于所述待检对象的度量特征和所述前景物体的度量特征在所述前景物体中检测所述待检对象。

进一步地，提取目标图像帧中前景物体的度量特征包括：通过第一卷积神经网络确定所述前景物体的基础属性特征；基于所述前景物体的基础属性特征确定所述前景物体的度量特征。

进一步地，通过第一卷积神经网络确定所述前景物体的基础属性特征包括：通过所述第一卷积神经网络在所述目标图像帧中检测所述前景物体的物体框；基于所述物体框在所述目标图像帧的特征图中提取所述前景物体的局部特征图；基于所述局部特征图确定所述前景物体的基础属性特征。

进一步地，通过所述第一卷积神经网络在所述目标图像帧中检测所述前景物体的物体框包括：获取所述目标图像帧的特征图；通过所述第一卷积神经网络对所述特征图进行预测，得到至少一个预测区域和每个所述预测区域的预测分数；将目标预测区域的区域框作为所述物体框，其中，所述目标预测区域为所述至少一个预测区域中预测分数大于预设分数的区域。

进一步地，基于所述前景物体的基础属性特征确定所述前景物体的度量特征包括：将所述前景物体的基础属性特征作为所述前景物体的度量特征；或者，通过第二卷积神经网络对所述前景物体的基础属性特征进行处理，得到所述前景物体的度量特征。

进一步地，所述确定待检对象的度量特征包括：将所述待检对象的基础属性特征作为所述待检对象的度量特征；或者，对每个所述待检对象的基础属性特征进行处理，得到所述待检对象的度量特征。

进一步地，所述基于所述待检对象的度量特征和所述前景物体的度量特征在所述前景物体中检测所述待检对象包括：计算所述待检对象的度量特征和所述前景物体的度量特征之间的距离，得到至少一个距离；确定所述前景物体中的目标前景物体为所述待检对象，其中，所述目标前景物体的度量特征与所述待检对象的度量特征之间的距离小于预设距离，或者，所述目标前景物体的度量特征与所述待检对象的度量特征之间的距离为所述至少一个距离中的最小距离。