[发明专利]一种目标识别方法、计算机装置及可读存储介质

说明书

本发明适用于计算机视觉领域，提供了一种目标识别方法、计算机装置及可读存储介质，该方法包括：获取目标物体的原始检测图片，确定所述原始检测图片的边界框；对所述边界框的四个顶点坐标进行反畸变矫正，获得与所述四个顶点坐标相对应的修正坐标；根据所述修正坐标计算所述边界框的置信度，并修正得到修正后的边界框置信度；输出置信度最高的边界框，完成目标识别。实施本发明，通过反畸变矫正可有效地降低目标物体的漏检率，尤其是可有效的降低处于角落处的目标物体的漏检率，而且还通过修正计算，获得修正后的边界框置信度，有效地消除伪边界框，从而提高目标物体识别的准确率。

技术领域

本发明属于计算机视觉领域，尤其涉及一种目标识别方法、计算机装置及可读存储介质。

背景技术

目标检测（Object Detection）是计算机视觉领域的基本任务之一，而目标检测的最终结果是以边界框（boudingbox，下文简称Bbox）的方式给出检出物体的具体信息（x,y,w,h）：中心点坐标和宽高。

现有非极大值抑制（NMS）算法通过计算Bbox之间的交并比（交集除以并集，下文简称IOU），剔除IOU值较大（大于阈值的剔除，小于的保留）的Bbox，保留置信度最高的Bbox。这样的方法本质是调节参数，特别在鱼眼镜头情况下在角落处的邻近框由于畸变影响，使得真实的两个Bbox的IOU也很高从而出现漏检如图1所示，很难保证通过调节阈值既能消除错误的Bbox，又能将正确的Bbox都保留下来，同时也不能保证消除伪框（同一个物体出现多个边界框，一般将除了最能表征该物体的边界框之外的其他边界框均称为伪框。如图2所示）。

另外，现有的软非极大值抑制（SoftNMS）算法，用高斯权重代替NMS非0即1的阶跃函数，但调节高斯分布会改变对应NMS的阈值，也难以消除伪框。

由此可见，采用现有的NMS或者SoftNMS算法进行目标物体识别仍然存在对目标物体的漏检、以及难以消除伪框，从而导致目标物体识别的准确率不高的问题。

发明内容

本发明实施例提供一种目标识别方法，旨在解决现有的NMS或者SoftNMS算法进行目标物体识别仍然存在对目标物体的漏检、以及难以消除伪框，从而导致目标物体识别的准确率不高的问题。

本发明实施例是这样实现的，一种目标识别方法，包括如下步骤：

获取目标物体的原始检测图片，确定所述原始检测图片的边界框；

对所述边界框的四个顶点坐标进行反畸变矫正，获得与所述四个顶点坐标相对应的修正坐标；

根据所述修正坐标计算边界框的置信度，并修正得到修正后的边界框置信度；

输出置信度最高的边界框，完成目标识别。

本发明实施例还提供一种计算机装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行上述方法的各步骤。

本发明实施例还提供一种计算机可读存储介质，包括存储器和处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行上述方法的各步骤。

本发明实施例提供的目标物体识别方法，通过反畸变矫正可有效地降低目标物体的漏检率，尤其是可有效的降低处于角落处的目标物体的漏检率，而且还通过修正计算，获得修正后的边界框置信度，有效地消除伪边界框，从而提高目标物体识别的准确率。

附图说明

图1是现有技术提供的角落处的目标物体出现漏检情况的示意图；

图2是现有技术提供的伪框实验示意图（左起第2排的中间横跨两个咸蛋黄饼的边界框为伪框）；

图3是本发明实施例一提供的目标识别方法的实现流程图；