[发明专利]一种基于结构化高阶特征的目标检测系统及方法

说明书

一种基于结构化高阶特征的目标检测系统及方法，它属于图像目标检测技术领域。本发明解决了现有方法在进行目标检测时仅仅使用了简单的判别信息少的一阶特征，导致无法准确地检测出图像中包含目标的问题。本发明的目标检测系统包括多尺度特征提取模块，结构化高阶特征提取模块，特征加权模块，特征融合模块，预选框生成模块，特征映射模块、分类及回归模块。多尺度特征提取模块用于提取多尺度的输出特征；结构化高阶特征提取模块用于获得结构化高阶特征，特征加权模块输出特征权重，特征融合模块将结构化高阶特征与特征权重进行按位点积，输出加权后的结构化高阶特征；再利用加权后的结构化高阶特征进行目标检测。本发明可以应用于图像目标检测。

技术领域

本发明属于图像目标检测技术领域，具体涉及一种基于结构化高阶特征的目标检测系统及方法。

背景技术

图像检测是计算机视觉和图像处理领域中的一项基本问题，其主要用于检测图像中包含的物体，输出物体的种类以及其所在坐标位置。

现有的图像目标检测方法主要包括基于手工提取特征的方法和基于深度学习提取特征的方法。

基于手工提取特征的方法，首先使用基于滑窗的方法，使用不同尺寸的矩形框一行一行地扫描整张图像，然后提取矩形框内的特征，判断是否有待检测的物体。

基于深度学习的图像目标检测方法，主要分为两个方向，分别是两阶段目标检测方法和一阶段目标检测方法。基于深度学习的两阶段目标检测方法首先在目标图像上生成多个区域预选框，然后对预选框内的目标区域进行分类以及回归，从而得到最终的检测结果。基于深度学习的一阶段目标检测方法首先将图像输入到卷积神经网络中，然后直接在卷积神经网络输出的特征图上进行坐标回归，这类目标检测方法不需要单独生成区域预选框，直接得到物体的位置坐标及其对应的分类置信度。

虽然现有方法在图像目标检测领域的研究已经取得了一定的成就，但是现有方法在进行目标检测时仅仅使用了简单的判别信息少的一阶特征，并无法准确地检测出图像中包含的目标。

发明内容

本发明的目的是为解决现有方法在进行目标检测时仅仅使用了简单的判别信息少的一阶特征，导致无法准确地检测出图像中包含的目标的问题，而提出了一种基于结构化高阶特征的目标检测系统及方法。

本发明为解决上述技术问题采取的技术方案是：

基于本发明的一个方面，一种基于结构化高阶特征的目标检测系统，

所述目标检测系统包括多尺度特征提取模块、结构化高阶特征提取模块、特征加权模块、特征融合模块、预选框生成模块、特征映射模块、分类及回归模块，其中：

所述多尺度特征提取模块用于对待检测图像的不同尺度特征进行融合，输出多尺度特征；并将多尺度特征输入结构化高阶特征提取模块；

所述结构化高阶特征提取模块用于对输入的多尺度特征进行结构化处理，输出结构化的高阶特征；并将结构化的高阶特征输入特征加权模块；

所述特征加权模块用于对输入的结构化高阶特征进行处理，输出特征权重；

所述特征融合模块用于将结构化的高阶特征与特征加权模块输出的特征权重进行按位点积，将按位点积后的特征进行级联，输出加权的结构化高阶特征；

并将加权的结构化高阶特征输入特征映射模块；

预选框生成模块用于生成预选框坐标，并将预选框坐标输入到特征映射模块；特征映射模块用于将预选框坐标映射到加权的结构化高阶特征上，输出经过坐标映射后的特征；

经过坐标映射后的特征输入分类及回归模块，通过分类及回归模块输出目标检测结果。

基于本发明的另一个方面，一种基于结构化高阶特征的目标检测方法，该方法具体为：