[发明专利]一种目标物检测方法、装置及电子设备

权利要求书

1.一种目标物检测方法，其特征在于，包括：

利用卷积神经网络的第一子神经网络对输入的双目图像对进行像素特征提取和第一高阶特征提取；

构建平面扫描体来学习像素关系并估计深度信息；

将所述平面扫描体转换为3D几何体，利用卷积神经网络的第二子神经网络从所述3D几何体中提取用于目标识别的第二高阶特征；

利用所述像素特征、所述第一高阶特征、所述像素关系、所述深度信息、所述3D几何体以及所述第二高阶特征对所述卷积神经网络进行目标物检测训练，得到满足预设条件的卷积神经网络；

利用满足预设条件的卷积神经网络对目标双目图像对进行目标物检测。

2.根据权利要求1所述的目标物检测方法，其特征在于，所述第二子神经网络由金字塔立体匹配网络中的SPP模块连接预设数量的输出层构成。

3.根据权利要求1所述的目标物检测方法，其特征在于，所述利用所述像素特征、所述第一高阶特征、所述像素关系、所述深度信息、所述3D几何体以及所述第二高阶特征对所述卷积神经网络进行目标物检测训练，得到满足预设条件的卷积神经网络包括：

利用所述像素特征、所述第一高阶特征、所述像素关系、所述深度信息、所述3D几何体以及所述第二高阶特征对所述卷积神经网络进行目标物检测训练，使得训练得到的卷积神经网络的总损失值小于预设损失阈值，所述总损失值包括深度回归损失、分类损失、3D边框回归损失、中心损失中的至少一者。

4.根据权利要求1所述的目标物检测方法，其特征在于，所述第一子神经网络为孪生神经网络。

5.根据权利要求1所述的目标物检测方法，其特征在于，所述将所述平面扫描体转换为3D几何体包括：

通过可导扭曲操作，将所述平面扫描体转换为3D几何体。

6.一种目标物 检测装置，其特征在于，包括：

第一提取模块，用于利用卷积神经网络的第一子神经网络对输入的双目图像对进行像素特征提取和第一高阶特征提取；

平面扫描体模块，用于构建平面扫描体来学习像素关系并估计深度信息；

第二提取模块，用于将所述平面扫描体转换为3D几何体，利用卷积神经网络的第二子神经网络从所述3D几何体中提取用于目标识别的第二高阶特征；

训练模块，用于利用所述像素特征、所述第一高阶特征、所述像素关系、所述深度信息、所述3D几何体以及所述第二高阶特征对所述卷积神经网络进行目标物检测训练，得到满足预设条件的卷积神经网络；

检测模块，用于利用满足预设条件的卷积神经网络对目标双目图像对进行目标物检测。

7.根据权利要求6所述的目标物检测装置，其特征在于，所述第二子神经网络由金字塔立体匹配网络中的SPP模块连接预设数量的输出层构成。

8.根据权利要求6所述的目标物检测装置，其特征在于，所述训练模块包括：

训练单元，用于利用所述像素特征、所述第一高阶特征、所述像素关系、所述深度信息、所述3D几何体以及所述第二高阶特征对所述卷积神经网络进行目标物检测训练，使得训练得到的卷积神经网络的总损失值小于预设损失阈值，所述总损失值包括深度回归损失、分类损失、3D边框回归损失、中心损失中的至少一者。

9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述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计算机程序时实现如权利要求1至5中任一项所述的目标物检测方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至5中任一项所述的目标物检测方法中的步骤。