[发明专利]一种图像目标检测方法、系统及设备

权利要求书

1.一种图像目标检测方法，其特征在于，包括：

使用预训练深度学习卷积神经网络作为图像分类器；

将待检测图像输入所述预训练图像分类器，生成最终特征图，在所述特征图上对每个像素进行分类；

对所述特征图的像素进行处理，区分每个像素代表的是前景还是背景；

计算所述前景像素的连通域，得到所述连通域内的预测框即目标的位置信息。

2.根据权利要求1所述的图像目标检测方法，其特征在于，所述预训练卷积神经网络，去掉普通卷积神经网络最后的全局平均池化层，并将全连接层改成1×1卷积层，权重使用原全连接层权重，作为所述图像分类器。

3.根据权利要求1所述的图像目标检测方法，其特征在于，所述区分每个像素代表的是前景还是背景，包括：

根据特征向量的方差判定像素代表的是前景还是背景。

4.根据权利要求3所述的图像目标检测方法，其特征在于，在根据特征向量的方差判定像素代表的是前景还是背景后，进一步包括：

根据像素分类的判定再次过滤背景像素；

根据置信度大小再次过滤背景像素。

5.根据权利要求1所述的图像目标检测方法，其特征在于，计算所述前景像素的连通域，得到所述连通域内的预测框，包括：

对所有所述前景像素计算连通域；

限制所述连通域个数的上下界，保留介于界限内的连通域；

在每个所述连通域上计算重心坐标，给预测框定位，同时用所述连通域的长宽比作为所述预测框的长宽比，计算出每个所述连通域上的预测框。

6.根据权利要求1-5任一项所述的图像目标检测方法，其特征在于，对所述连通域内的预测框进行后处理，所述后处理包括：

将得到的所述预测框重新送入所述图像分类器分类，过滤掉分类成背景类别的预测框。

7.根据权利要求6所述的图像目标检测方法，其特征在于，所述后处理还包括：

基于最大尺寸预测框的长宽将小尺寸预测框过滤；

对所述预测框进行非极大值抑制操作，将交叠率高的框子中置信度最高的预测框保留，确保对每个物体只保留一个最优预测框。

8.根据权利要求7所述的图像目标检测方法，其特征在于，所述基于最大尺寸预测框的长宽将小尺寸预测框过滤，包括：

所述预测框融合后，对于所有预测框根据重合度分成不同的区域，在每个区域中以最大尺寸预测框的长宽为基准，过滤掉尺寸小的预测框。

9.一种图像目标检测系统，其特征在于，包括：

特征图获取模块，将待检测图像输入所述图像分类器，生成最终特征图，在所述特征图上对每个像素进行分类；所述图像分类器采用预训练的深度学习卷积神经网络；

前后景区分模块，对所述特征图获取模块得到的所述特征图的像素进行处理，区分每个像素代表的是前景还是背景；

目标位置定位模块，计算所述前后景区分模块得到的前景像素的连通域，得到所述连通域内的预测框即目标的位置信息。

10.一种图像目标检测终端，包括存储器、处理器及存储在存储器上并可在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程序时可用于执行权利要求1-8任一所述的方法。