[发明专利]基于概率密度函数的目标检测结果抑制方法

说明书

本发明提供一种基于概率密度函数的目标检测结果抑制方法，包括：获取至少两个目标检测结果；基于高斯分布将所述目标检测结果转换为概率密度函数；根据所述概率密度函数，计算得到所述目标检测结果的相对距离；确定存在两个所述目标检测结果的相对距离小于设定阈值，则针对所述相对距离小于设定阈值的至少两个所述目标检测结果组成的重叠结果集合，进行基于置信度的非极大值抑制，得到置信度取极大值的所述目标检测结果作为目标检测结论。本发明相比于传统的交并比方法，有效减少了计算模型的复杂度，将具有多种可能的几何问题转化为具有通式通解的代数问题，能够快速判断多个候选框是否为同一个检测目标，从而有效提升了目标检测的效率。

技术领域

本发明涉及目标检测技术领域，尤其涉及一种基于概率密度函数的目标检测结果抑制方法。

背景技术

目标检测(Object Detection)的任务是找出图像(或点云数据)中所有感兴趣的目标(物体)，确定它们的类别和位置，是深度学习领域的核心问题之一。由于各类物体有不同的外观、形状和姿态，加上成像时光照、遮挡等因素(点云噪声)的干扰，目标检测一直是深度学习领域内最具有挑战性的问题。

目标检测在同一目标的位置上会产生大量的候选框，候选框相互会有重叠。如何判断多个候选框是否为同一个检测目标，是目标检测任务必须要解决的问题。

现有技术往往通过交并比的方法来进行判断，这种方法需要对候选框的重叠面积进行计算，考虑到候选框大小、形状、角度、重叠程度的不同，这一计算过程的复杂程度较高，不利于提升目标检测效率。

因此，如何提供一种快速判断多个候选框是否为同一个检测目标的方法成为了业内亟需解决的问题。

发明内容

本发明提供一种基于概率密度函数的目标检测结果抑制方法，用以解决现有技术中计算过程的复杂程度较高，不利于提升目标检测效率的缺陷，实现多个候选框是否为同一个检测目标的快速判断。

本发明提供一种基于概率密度函数的目标检测结果抑制方法，包括：

获取至少两个目标检测结果；

基于高斯分布将所述目标检测结果转换为概率密度函数；

根据所述概率密度函数，计算得到所述目标检测结果的相对距离；

确定存在两个所述目标检测结果的相对距离小于设定阈值，则针对所述相对距离小于设定阈值的至少两个所述目标检测结果组成的重叠结果集合，进行基于置信度的非极大值抑制，得到置信度取极大值的所述目标检测结果作为目标检测结论。

根据本发明提供的一种基于概率密度函数的目标检测结果抑制方法，所述目标检测结果为二维矩形检测框；

所述基于高斯分布将所述目标检测结果转换为概率密度函数的步骤包括：

以所述二维矩形检测框的中心点为原点、所述二维矩形检测框高度为长轴长度、所述二维矩形检测框宽度为短轴长度，构造目标检测椭圆；

针对所述目标检测椭圆内点的集合，以二维高斯分布为基础构造概率密度函数Σ^1/2：

式中，θ为所述二维矩形检测框的旋转角度；w为所述二维矩形检测框的宽度；h为所述二维矩形检测框高度。

根据本发明提供的一种基于概率密度函数的目标检测结果抑制方法，所述目标检测结果为三维立方体检测框；

所述基于高斯分布将所述目标检测结果转换为概率密度函数的步骤包括：

以所述三维立方体检测框的中心点为原点，所述三维立方体检测框底面长度、底面宽度、高度为三轴长度，构造目标检测椭球；