[发明专利]目标检测方法及装置

权利要求书

1.一种目标检测方法，其特征在于，所述方法包括：

通过深度学习算法对当前帧图像中的目标进行检测，获得至少一个第一检测框；

通过卡尔曼滤波器对所述当前帧图像中的目标进行预测，获得至少一个第二检测框，其中，所述卡尔曼滤波器为对所述当前帧图像的上一帧图像中的目标进行检测获得的每个目标对应的卡尔曼滤波器；

将每个第一检测框与每个第二检测框进行匹配，获取所述至少一个第一检测框中与第二检测框匹配的第一匹配检测框；

根据所述第一匹配检测框对所述第一匹配检测框对应的目标对应的卡尔曼滤波器的参数进行更新，以利用更新后的卡尔曼滤波器对下一帧图像中的目标进行预测。

2.根据权利要求1所述的方法，其特征在于，所述根据所述第一匹配检测框对所述第一匹配检测框对应的目标对应的卡尔曼滤波器的参数进行更新，包括：

根据所述第一匹配检测框获取所述第一匹配检测框对应的目标与拍摄图像的拍摄设备之间的距离；

根据所述距离对所述第一匹配检测框对应的目标对应的卡尔曼滤波器的参数进行更新。

3.根据权利要求2所述的方法，其特征在于，所述根据所述距离对所述第一匹配检测框对应的目标对应的卡尔曼滤波器的参数进行更新，包括：

根据所述距离获取对所述第一匹配检测框对应的目标对应的卡尔曼滤波器的状态转移矩阵进行更新的更新系数；其中，所述更新系数与所述距离成负相关；

利用所述更新系数对所述状态转移矩阵进行更新。

4.根据权利要求2所述的方法，其特征在于，所述根据所述距离对所述第一匹配检测框对应的目标对应的卡尔曼滤波器的参数进行更新，包括：

根据所述距离获取对所述第一匹配检测框对应的目标对应的卡尔曼滤波器的测量噪声进行更新的更新参数；其中，所述更新参数与所述距离成正相关；

利用所述更新参数对所述测量噪声进行更新。

5.根据权利要求4所述的方法，其特征在于，所述更新参数的计算公式为：

r＝d²/p；

其中，r表示所述更新参数，d表示所述距离，p表示预设系数。

6.根据权利要求1所述的方法，其特征在于，所述根据所述第一匹配检测框对所述第一匹配检测框对应的目标对应的卡尔曼滤波器的参数进行更新，包括：

统计所述第一匹配检测框在预设时间段内的检测值；

计算所述检测值的方差；

根据所述方差获取对所述第一匹配检测框对应的目标对应的卡尔曼滤波器的测量噪声进行更新的更新参数，所述方差与所述更新参数正相关；

利用所述更新参数对所述测量噪声进行更新。

7.根据权利要求1-6任一所述的方法，其特征在于，所述将每个第一检测框与每个第二检测框进行匹配之后，还包括：

获取所述至少一个第一检测框中未与第二检测框匹配的第一未匹配检测框；

根据所述第一未匹配检测框新建所述第一未匹配检测框对应的目标对应的卡尔曼滤波器。

8.根据权利要求1-6任一所述的方法，其特征在于，所述将每个第一检测框与每个第二检测框进行匹配之后，还包括：

获取所述至少一个第二检测框中未与第一检测框匹配的第二未匹配检测框；

统计所述第二未匹配检测框的匹配失败次数；

在所述第二未匹配检测框的匹配失败次数大于预设值时，删除所述第二未匹配检测框。

9.根据权利要求1-6任一所述的方法，其特征在于，所述将每个第一检测框与每个第二检测框进行匹配之后，还包括：

获取所述至少一个第二检测框中未与第一检测框匹配的第二未匹配检测框；

统计所述第二未匹配检测框的匹配失败次数；

在所述第二未匹配检测框的匹配失败次数小于预设值，且所述第二未匹配检测框对应的目标的标识不为新目标标识时，输出所述第二未匹配检测框的卡尔曼预测值。