[发明专利]目标检测方法、装置及电子设备

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：

获取在预设背景上的待处理图像；

通过预先训练的特征提取模型对所述待处理图像进行特征提取，获得所述待处理图像的第一整体图像特征；

通过预先训练的可逆神经网络模型对所述第一整体图像特征进行特征映射，获得所述第一整体图像特征对应的第一数据矩阵；其中，所述可逆神经网络模型通过将所述预设背景上不包含前景目标的样本图像的第二整体图像特征映射至一目标函数的目标分布训练获得；

根据将所述第一数据矩阵输入预设的目标函数进行处理得到的分布与所述目标分布之间的差异，确定所述预设背景中前景目标的位置及范围信息。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取所述预设背景上不包含前景目标的样本图像；

通过所述特征提取模型对所述样本图像进行特征提取，获取所述样本图像的第二整体图像特征；

通过待训练的所述可逆神经网络模型对所述第二整体图像特征进行特征映射，获得所述第二整体图像特征对应的第二数据矩阵；

基于与所述目标函数对应的所述目标分布，采用最大似然估计法反向求导更新所述可逆神经网络的映射函数的参数，使所述第二数据矩阵经所述目标函数处理后的分布符合所述目标分布，获得训练后的所述可逆神经网络模型。

3.根据权利要求2所述的方法，其特征在于，与所述目标函数对应的所述目标分布为均值为0、方差为1的高斯分布；所述基于与所述目标函数对应的所述目标分布，采用最大似然估计法反向求导更新所述可逆神经网络的映射函数的参数，使所述第二数据矩阵经所述目标函数处理后的分布符合所述目标分布的步骤，包括：

根据下述公式确定所述可逆神经网络模型的映射函数的参数G，

ζ(z_i)＝f(x_i)(|det(J_G)|)^-1

x_i＝G^-1(z_i)

其中，z_i为所述第二整体图像特征中的各个特征值，ζ(z_i)为z_i概率密度函数，x_i为z_i经所述可逆神经网络模型的映射函数处理后获得的所述第二数据矩阵中的值，J_G为所述可逆神经网络模型的映射函数的雅可比行列式，G^-1所述可逆神经网络模型的映射函数的逆向映射；

对下述公式最大值条件参数求解，获得所述可逆神经网络模型的映射函数的参数G：

4.根据权利要求3所述的方法，其特征在于，所述根据将所述第一数据矩阵输入预设的目标函数进行处理得到的分布与所述目标分布之间的差异，确定所述预设背景中前景目标的位置及范围信息的步骤，包括：

以所述目标分布为均值为0、方差为1的高斯分布，将所述第一数据矩阵中的值x_i带入下述所述目标函数的公式获得所述第一数据矩阵的经过目标函数处理得到的分布值k_i：

k_i＝exp(-0.5x_i²)

其中，所述待处理图像中所述预设背景对应的所述分布值k_i相对更趋近1，所述待处理图像中所述前景目标对应的所述分布值k_i相对更趋近0；

获得由各所述分布值k_i乘以255后组成的热力图；

对所述热力图中像素值小于设定阈值的区域确定为前景目标所在的区域，根据所述前景目标坐在的区域确定前景目标在所述预设背景上的位置及范围信息。

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：

根据至少一个所述前景目标的位置及范围信息，提取所述前景目标的图像特征；

将所述前景目标的图像特征与一预设特定目标的图像特征进行比较，根据比较结果确定所述前景目标是否为所述预设特定目标。