[发明专利]目标检测方法、装置、终端设备及计算机可读存储介质在审

专利信息
申请号: 201910384207.6 申请日: 2019-05-09
公开(公告)号: CN111914863A 公开(公告)日: 2020-11-10
发明(设计)人: 曾晓嘉 申请(专利权)人: 顺丰科技有限公司
主分类号: G06K9/62 分类号: G06K9/62;G06K9/00
代理公司: 北京志霖恒远知识产权代理事务所(普通合伙) 11435 代理人: 成丹
地址: 518061 广东省深圳市南山区学府路(以南)*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 目标 检测 方法 装置 终端设备 计算机 可读 存储 介质
【权利要求书】:

1.一种目标检测方法,其特征在于,所述方法包括:

获取多个含有检测目标的第一图像;所述第一图像中设有标记所述检测目标的第一学习区;

获取多个含有误检目标的第二图像;所述第二图像中设有第二学习区,用于辅助所述第二图像被学习模型学习;

将所述第一图像和所述第二图像混合,形成混合图像集;

从混合图像集中提取与所述第一学习区近似的特征,得到目标正样本;

从混合图像集中提取与所述第一学习区不近似的特征,得到目标负样本;

用所述目标正样本和目标负样本训练学习模型中的目标分类器,得到目标检测器;用所述目标检测器检测待检图像,以检测出所述待检图像中是否含有所述检测目标。

2.根据权利要求1所述的目标检测方法,其特征在于,所述从混合图像集中提取与所述第一学习区近似的特征,得到目标正样本,具体包括以下步骤:

从第一图像中提名第一设定个数的第一候选框;所述第一候选框与所述第一学习区大小及形状一致;

将与所述第一学习区的重叠率大于等于设定值的第一候选框作为目标正样本。

3.根据权利要求2所述的目标检测方法,其特征在于,从混合图像集中提取与所述第一学习区不近似的特征,得到目标负样本具体包括以下步骤:

从第二图像中提名第二设定个数的第二候选框;所述第二候选框与所述第一学习区大小及形状一致;

将所述第二候选框及,与所述第一学习区的重叠率小于设定值的第一候选框作为目标负样本。

4.根据权利要求1至3任意一项所述的目标检测方法,其特征在于,所述学习模型还具有辅助分类器;

所述目标检测方法还包括:

从混合图像集中提取与所述第二学习区近似的特征,得到辅助正样本;

从混合图像集中提取与所述第二学习区大小一致且不近似的特征,得到辅助负样本;

用所述辅助正样本和辅助负样本训练所述辅助分类器。

5.根据权利要求1至3任意一项所述的目标检测方法,其特征在于,

所述第二学习区为文本框、符号框、图画框中的任意一种。

6.一种目标检测装置,其特征在于,包括:

输入模块,配置用于输入混合图像集,所述混合图像集包括多个含有检测目标的第一图像和多个含有误检目标的第二图像;所述第一图像中设有标记所述检测目标的第一学习区;

学习模型,具有目标分类器和辅助分类器,配置用于:

从混合图像集中提取与所述第一学习区近似的特征,得到目标正样本;从混合图像集中提取与所述第一学习区不近似的特征,得到目标负样本;

以所述目标正样本和目标负样本训练所述目标分类器,得到目标检测器;

目标检测器,用于检测待检图像,以检测出所述待检图像中是否含有所述检测目标。

7.根据权利要求6所述的目标检测装置,其特征在于,所述学习模型具体配置用于:

从第一图像中提名第一设定个数的第一候选框;所述第一候选框与所述第一学习区大小及形状一致;

将与所述第一学习区的重叠率大于等于设定值的第一候选框作为目标正样本。

8.根据权利要求7所述的目标检测装置,其特征在于,所述学习模型具体配置用于:

从第二图像中提名第二设定个数的第二候选框;所述第二候选框与所述第一学习区大小及形状一致;

将所述第二候选框及,与所述第一学习区的重叠率小于设定值的第一候选框作为目标负样本。

9.一种终端设备,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,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1-4任意一项目所述目标检测方法的步骤。

10.一种计算机可读存储介质,所述计算机可读存储介质有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至4任意一项所述目标检测方法的步骤。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于顺丰科技有限公司,未经顺丰科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910384207.6/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top