[发明专利]一种对象检测的方法、相关装置以及设备在审

专利信息
申请号: 201910989269.X 申请日: 2019-10-17
公开(公告)号: CN110738211A 公开(公告)日: 2020-01-31
发明(设计)人: 黄超;张力柯 申请(专利权)人: 腾讯科技(深圳)有限公司
主分类号: G06K9/32 分类号: G06K9/32;G06K9/46;G06K9/62
代理公司: 44285 深圳市深佳知识产权代理事务所(普通合伙) 代理人: 聂秀娜
地址: 518057 广东省深圳*** 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: 深度特征 目标时序 图像 对象检测 待检测区域 集合 检测结果 图像集合 申请 对象检测装置 前一帧图像 电子设备 获取图像 集合生成 模型获取 时序检测 特征预测 同一区域 相邻图像 时序性 融合 检测
【权利要求书】:

1.一种对象检测的方法,其特征在于,包括:

获取图像集合,其中,所述图像集合至少包括第一图像以及第二图像,所述第一图像为所述第二图像的前一帧图像;

基于所述图像集合,获取深度特征集合,其中,所述深度特征集合包括第一深度特征以及第二深度特征,所述第一深度特征属于所述第一图像中待检测区域的深度特征,所述第二深度特征属于所述第二图像中待检测区域的深度特征;

根据所述深度特征集合生成所述待检测区域所对应的目标时序特征;

基于所述目标时序特征,通过时序检测模型获取对象检测结果,其中,所述对象检测结果为所述第二图像中待检测区域的检测结果。

2.根据权利要求1所述的方法,其特征在于,所述基于所述图像集合,获取深度特征集合,包括:

基于所述第一图像,通过目标检测模型获取所述第一深度特征,其中,所述第一深度特征包括所述待检测区域在P个尺度下的第一特征,所述P为大于或等于1的整数;

基于所述第二图像,通过所述目标检测模型获取所述第二深度特征,其中,所述第二深度特征包括所述待检测区域在P个尺度下的第二特征;

根据所述第一深度特征以及所述第二深度特征,生成所述深度特征集合。

3.根据权利要求1所述的方法,其特征在于,所述根据所述深度特征集合生成所述待检测区域所对应的目标时序特征,包括:

对所述第一深度特征以及所述第二深度特征进行级联处理,得到所述目标时序特征,其中,所述目标时序特征为特征矩阵,所述第一深度特征以及所述第二深度特征均为特征向量。

4.根据权利要求2所述的方法,其特征在于,所述根据所述深度特征集合生成所述待检测区域所对应的目标时序特征,包括:

基于第一尺度,对所述第一深度特征中的第一特征以及所述第二深度特征中的第二特征进行级联处理,得到所述第一目标时序特征,其中,所述第一目标时序特征为特征矩阵,所述第一特征以及所述第二特征均为特征向量,所述第一尺度属于所述P个尺度中的一个尺度;

基于第二尺度,对所述第一深度特征中的第一特征以及所述第二深度特征中的第二特征进行级联处理,得到所述第二目标时序特征,其中,所述第二目标时序特征为特征矩阵,所述第二尺度属于所述P个尺度中的另一个尺度,且所述第二尺度与所述第一尺度属于不同尺度。

5.根据权利要求3所述的方法,其特征在于,所述基于所述目标时序特征,通过时序检测模型获取对象检测结果,包括:

基于所述目标时序特征,通过所述时序检测模型获取对象检测特征,其中,所述对象检测特征为特征向量;

根据所述对象检测特征生成所述对象检测结果,其中,所述对象检测结果包括在待检测区域中的对象出现概率、类别信息以及位置信息。

6.根据权利要求4所述的方法,其特征在于,所述基于所述目标时序特征,通过时序检测模型获取对象检测结果,包括:

基于所述第一目标时序特征,通过所述时序检测模型获取第一对象检测特征,其中,所述第一对象检测特征为特征向量;

基于所述第二目标时序特征,通过所述时序检测模型获取第二对象检测特征,其中,所述第二对象检测特征为特征向量;

根据所述第一对象检测特征确定第一置信度;

根据所述第二对象检测特征确定第二置信度;

若所述第一置信度大于所述第二置信度,则根据所述第一对象检测特征生成所述对象检测结果,其中,所述对象检测结果包括在待检测区域中的对象出现概率、类别信息以及位置信息;

若所述第二置信度大于所述第一置信度,则根据所述第二对象检测特征生成所述对象检测结果。

7.根据权利要求1所述的方法,其特征在于,所述基于所述目标时序特征,通过时序检测模型获取对象检测结果之后,所述方法还包括:

若所述对象检测结果确定包括目标对象,则根据执行目标操作,以获取辅助操作结果。

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腾讯科技(深圳)有限公司,未经腾讯科技(深圳)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/201910989269.X/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