[发明专利]一种目标检测方法、系统及终端设备

说明书

本发明提供了一种目标检测方法、系统及终端设备，其中，方法包括：利用卷积神经网络，使用检测框从被测图像中提取若干个目标；获取目标的特征属性，所述特征属性包括空间特征和显式特征；根据所述特征属性，基于关系计算模型，计算目标间的关联特征；利用所述关联特征对所述目标的特征属性进行整合，得到聚合特征；将所述聚合特征代入由所述卷积神经网络的全连接层和所述关系计算模型组成的回溯关系子网络，计算准预测分数；根据所述准预测分数和所述检测框，计算分类分数；根据所述分类分数对目标进行分类检测。本发明极大提高了目标检测的效率和准确度。

技术领域

本发明属于目标检测技术领域，尤其涉及一种目标检测方法、系统及终端设备。

背景技术

目标检测在很多领域有重要的应用价值，如智能布控安防、工业信息应用、汽车辅助驾驶等。但形态各异的外貌特征、复杂多样的背景环境、行人与摄像机之间动态变化的场景、系统实时性与稳定性的严格要求等，对目标检测问题提出了很大挑战。目前基于深度学习的目标检测方法，存在过多冗余计算，并且不能很好地准确识别场景中小目标和密集目标，且存在场景中有效信息没有充分利用等问题。

综上，现有技术中存在目标检测的效率和准确度低的问题。

发明内容

有鉴于此，本发明实施例提供了一种目标检测方法、系统及终端设备，以解决现有技术中存在的目标检测的效率和准确度低的问题。

本发明实施例的第一方面提供了一种目标检测方法，包括：

利用卷积神经网络，使用检测框从被测图像中提取若干个目标；

获取目标的特征属性，所述特征属性包括空间特征和显式特征；

根据所述特征属性，基于关系计算模型，计算目标间的关联特征；

利用所述关联特征对所述目标的特征属性进行整合，得到聚合特征；

将所述聚合特征代入由所述卷积神经网络的全连接层和所述关系计算模型组成的回溯关系子网络，计算准预测分数；

根据所述准预测分数和所述检测框，计算分类分数；

根据所述分类分数对目标进行分类检测。

本发明实施例的第二方面提供了一种目标检测系统，包括：

目标提取模块，用于利用卷积神经网络，使用检测框从被测图像中提取若干个目标；

特征获取模块，用于获取目标的特征属性，所述特征属性包括空间特征和显式特征；

关联计算模块，用于根据所述特征属性，基于关系计算模型，计算目标间的关联特征；

整合模块，用于利用所述关联特征对所述目标的特征属性进行整合，得到聚合特征；

预测模块，用于将所述聚合特征代入由所述卷积神经网络的全连接层和所述关系计算模型组成的回溯关系子网络，计算准预测分数；

分数计算模块，用于根据所述准预测分数和所述检测框，计算分类分数；

分类检测模块，用于根据所述分类分数对目标进行分类检测。

本发明实施例的第三方面提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上所述目标检测方法的步骤。

本发明实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上所述目标检测方法的步骤。