[发明专利]一种目标检测方法、目标检测框架及相关设备

说明书

本申请实施例公开了一种目标检测方法、目标检测框架及相关设备，可应用于人工智能领域中的计算机视觉领域，该方法包括：首先对输入图像提取角点特征，生成角热点图，并基于角热点图得到角点对，再基于角点对构建目标框，这种构建方法由于不考虑生成目标框的质量，过程简单快速，为下一步高质量目标框的筛选奠定基础。之后通过对各目标框包括的图像信息抠取内部特征(如通过RoIAlign)，实现对枚举生成的目标框的进一步筛选，选出其中质量较高的目标框，去除质量低的目标框及错误目标框，本申请与基于锚框(anchor)的目标检测方法相比，增加了目标框构建的灵活性和目标框尺寸的多样性，同时充分利用了目标框包括的图像的内部信息，使目标框的判断更准确。

技术领域

本申请涉及计算机视觉领域，尤其涉及一种目标检测方法、目标检测框架及相关设备。

背景技术

计算机视觉是各个应用领域，如制造业、检验、文档分析、医疗诊断，和军事等领域中各种智能/自主系统中不可分割的一部分，它是一门关于如何运用照相机/摄像机和计算机来获取人们所需的被拍摄对象的数据与信息的学问。形象地说，就是给计算机安装上眼睛(照相机/摄像机)和大脑(算法)用来代替人眼对目标进行识别、跟踪和测量等，从而使计算机能够感知环境。因为感知可以看作是从感官信号中提取信息，所以计算机视觉也可以看作是研究如何使人工系统从图像或多维数据中“感知”的科学。总的来说，计算机视觉就是用各种成像系统代替视觉器官获取输入信息，再由计算机来代替大脑对这些输入信息完成处理和解释。计算机视觉的最终研究目标就是使计算机能像人那样通过视觉观察和理解世界，具有自主适应环境的能力。目标检测是计算机视觉领域常用到的技术。

目标检测，也叫目标提取，是一种基于目标几何和统计特征的图像分割，其关注图像中特定的物体目标，要求同时获得这一特定物体目标的类别信息和位置信息，目标检测在很多场景都有应用，如，无人驾驶的安防系统、智能化交通系统、智能监控系统等。目标检测对于人类来说并不困难，通过对图片中不同颜色模块的感知很容易定位并分类出其中的目标物体。但对于计算机来说，面对的是RGB像素矩阵，很难从图像中直接得到物体的抽象概念并定位其位置，再加上有时候多个物体和杂乱的背景混杂在一起，使得目标检测更加困难。

借助于深度学习的强大能力，目标检测取得了较大的成功，目标检测方法主要分为两大类：两阶段(two-stage)方法和一阶段(one-stage)方法。two-stage方法的技术方案主要分为以下几个步骤：对候选区域(anchor)进行初步的回归的和二分类(前景和背景)从而得到感知区域(region of interest，RoI)；获取RoI内部的特征并使用这些特征做进一步的回归和分类，从而实现目标检测任务。但two-stage方法将目标检测任务分成两个阶段进行，步骤繁琐。与two-stage方法不同，one-stage方法直接对候选区域进行回归和分类，因此在一个阶段内就能检测出目标。但one-stage方法存在高误检率的缺点。当前采用的目标检测算法通常难以同时满足高查全率和低误检率的要求。在实际应用中，例如无人驾驶场景中，为了保证安全性，要求目标检测算法既要保证高查全率又要保证低误检率，因此需要研究在高查全率下，降低误检率的目标检测方法。

发明内容

本申请实施例提供了一种目标检测方法、目标检测框架及相关设备，通过角点对来构建目标框，再通过提取目标框包括的图像信息的内部特征，来进一步判断该目标框的准确性，既增加了目标框构建的灵活性和目标框尺寸的多样性，同时又充分利用了目标框包括的图像的内部信息，使目标框的判断更为准确。

基于此，本申请实施例提供以下技术方案：