[发明专利]对象检测方法、电子装置与对象检测系统

说明书

一种对象检测方法、电子装置与对象检测系统。该对象检测方法适用于该电子装置，并包括下列步骤：获取第一图像；对第一图像执行几何转换操作而获取至少一第二图像；合并第一图像与至少一第二图像产生合并图像；输入包括第一图像与至少一第二图像的合并图像至经训练深度学习模型，以检测目标对象。

技术领域

本发明是有关于一种对象检测方法，且特别是有关于一种利用深度学习的对象检测方法、电子装置与对象检测系统。

背景技术

深度学习(Deep Learning)可用于求解例如计算机视觉相关问题(例如但不限于图像分类及物体检测)的技术。深度学习对例如自动驾驶、移动装置及人工智能(artificial intelligent，AI)软件应用等应用具有商业潜力。深度学习其中一种重要应用为基于图像的对象检测，其可通过特征获取和特征分类来进行对象检测。随着图像监控、物联网、与智能家庭的发展，对象检测技术已渐渐进入市场，提高生活的便利性。

然而，在目标对象的姿势变化性相当高的对象检测场景中，深度学习模型可能无法成功地检测出目标对象的存在。举例而言，假设目标对象为人体，人跌倒时的姿势与人的一般姿势具有相当程度的差异，代表跌倒姿势的图像特征与一般姿势的图像特征有相当程度的差异，因此深度学习模型有很高可能性因为人体跌倒而发生检测失败的情况。当深度学习模型发生检测失败的情况时，通常需要依据检测失败的案例重新训练深度学习模型，以达到提升深度学习模型的准确度的目标。但是，训练一个深度学习模型所需的计算资源与训练时间是相对庞大的，因而如何建立一个辨识准确度高的深度学习模型以避免一再重复训练深度学习模型是本领域技术人员相对关心的议题。此外，虽然通过数据增强(dataaugmentation)可增加训练数据的多样性，但像是人跌倒时的姿势变化太多，因而数据增强甚至可能导致深度学习模型在训练过程中难以收敛，也无法真正有效改善检测效能。

发明内容

有鉴于此，本发明提出一种对象检测方法与电子装置，其可有效提升深度学习模型检测对象的准确度，以避免重复训练深度学习模型。

本发明实施例提供一种对象检测方法，适用于一电子装置，所述方法包括下列步骤。获取第一图像。对第一图像执行几何转换操作而获取至少一第二图像。合并第一图像与至少一第二图像产生合并图像。输入包括第一图像与至少一第二图像的合并图像至经训练深度学习模型，以检测第一图像中的目标对象。

本发明实施例提供一种电子装置，其包括储存装置与处理器，处理器耦接储存装置。处理器被配置为执行下列步骤。获取第一图像。对第一图像执行几何转换操作而获取至少一第二图像。合并第一图像与至少一第二图像产生合并图像。输入包括第一图像与至少一第二图像的合并图像至经训练深度学习模型，以检测第一图像中的目标对象。

基于上述，在本发明的实施例中，至少一第二图像是基于对第一图像进行几何转换操作而产生，而合并图像将包括第一图像与至少一第二图像。通过将合并图像输入至一个经训练深度学习模型而检测目标对象。因此，可提升深度学习模型的检测准确度，以避免无法检测到目标对象的失败状况以及重复训练深度学习模型的状况。

为让本发明的上述特征和优点能更明显易懂，下文特举实施例，并配合附图作详细说明如下。

附图说明

图1是依照本发明一实施例的对象检测系统的示意图。

图2是依照本发明一实施例的电子装置的示意图。

图3是依照本发明一实施例的对象检测方法的流程图。

图4A至图4C是依据本发明实施例的合并图像的示例。

图5是依照本发明一实施例的对象检测方法的流程图。

图6A至图6C是依据本发明一实施例的合并图像的示例。

图7是依照本发明一实施例的依据深度学习模型检测对象的示意图。