一种目标图像检测方法、装置及系统制造方法及图纸

本发明专利技术公开了目标图像检测方法、装置及系统，方法包括：将待处理图像输入全卷积神经网络模型，使得全卷积神经网络模型对待处理图像进行识别以输出各个候选目标图像的候选位置信息；提取各个候选位置信息对应的候选目标图像；将各个候选目标图像放大以形成标准图像，记录各个标准图像对应的放大倍数；针对标准图像，将标准图像输入级联卷积神经网络模型，使得级联卷积神经网络模型对标准图像进行识别以输出可疑目标图像的当前位置信息及分类概率；根据可疑目标图像的当前位置信息及分类概率、各个标准图像所分别对应的放大倍数及各个候选目标图像的候选位置信息，确定目标图像的位置信息。本发明专利技术的技术方案可更为准确的确定目标图像的位置信息。

【技术实现步骤摘要】
一种目标图像检测方法、装置及系统
本专利技术涉及计算机
，尤其涉及一种目标图像检测方法、装置及系统。
技术介绍
目前，业界通常采用全卷积神经网络对待处理图像进行识别，以实现确定待处理图像所携带的各个目标图像在该待处理图像上的位置信息。比如确定车牌区域图像、车灯区域图像或车窗区域图像在待处理图像上的位置信息，后续则可进一步根据目标图像在待处理图像上的位置信息实现对一辆或多辆汽车进行跟踪或其他业务。全卷积神经网络对待处理图像进行识别时，具体需要提取待处理图像的特征信息(比如，车牌区域图像的边缘点、纹理、色彩等)，进而根据提取的特征信息确定各个目标图像在待处理图像上的位置信息；若一个目标图像的尺寸相对较小，全卷积神经网络则无法准确提取到与该目标图像相对应的特征信息，从而导致全卷积神经网络输出的对应于该目标图像的位置信息不准确，即导致全卷积神经网络输出的位置信息对应在待处理图像中的当前图像区域还包括除目标图像外的非目标图像区域。因此，如何实现更为准确的确定出各个目标图像在待处理图像中的位置信息则成为亟待解决的问题。
技术实现思路
本专利技术提供一种目标图像检测方法、装置及系统，可更为准确的确定出待处理图像所携带的各个目标图像在该待处理图像中的位置信息。第一方面，本专利技术提供了一种目标图像检测方法，包括：将待处理图像输入至预先设置的全卷积神经网络模型，使得所述全卷积神经网络模型对所述待处理图像进行识别，以输出至少一个候选目标图像在所述待处理图像中的候选位置信息；从所述待处理图像中提取各个所述候选位置信息所分别对应的所述候选目标图像；将每一个所述候选目标图像均放大至设定尺寸以形成标准图像，并记录每一个所述标准图像所分别对应的放大倍数；针对每一个所述标准图像，将所述标准图像输入至预先设置的级联卷积神经网络模型，使得所述级联卷积神经网络模型对所述标准图像进行识别，以输出所述标准图像所携带的可疑目标图像的当前位置信息及分类概率；根据各个所述可疑目标图像的所述当前位置信息及所述分类概率、各个所述标准图像所分别对应的所述放大倍数及各个所述候选目标图像的候选位置信息，确定所述待处理图像携带的各个目标图像在所述待处理图像中的位置信息。优选地，所述根据各个所述可疑目标图像的所述当前位置信息及所述分类概率、各个所述标准图像所分别对应的所述放大倍数及各个所述候选目标图像的候选位置信息，确定所述待处理图像携带的各个目标图像在所述待处理图像中的位置信息，包括：针对于每一个所述标准图像，当所述标准图像所携带的所述可疑目标图像的所述分类概率不小于预设阈值时，根据所述标准图像所对应的放大倍数以及所述标准图像所携带的所述可疑目标图像的当前位置信息，形成所述标准图像所携带的所述可疑区域图像在所述标准图像所对应的所述候选目标图像中的过渡位置信息；根据各个所述过渡位置信息以及各个所述过渡位置信息所分别对应的所述候选目标图像的候选位置信息确定目标位置信息；将各个所述目标位置信息确定为所述待处理图像所携带的至少一个目标图像在所述待处理图像中的位置信息。优选地，所述目标图像，包括：车牌区域图像、车窗区域图像或车灯区域图像中的任意一种；和/或，进一步包括：根据各个所述目标位置信息在所述待处理图像中标记所述待处理图像携带的至少一个目标图像的位置。第二方面，本专利技术提供了一种目标图像检测装置，包括：第一交互调用模块，用于将待处理图像输入至预先设置的全卷积神经网络模型，使得所述全卷积神经网络模型对所述待处理图像进行识别，以输出至少一个候选目标图像在所述待处理图像中的候选位置信息；图像提取模块，用于从所述待处理图像中提取各个所述候选位置信息所分别对应的所述候选目标图像；图像调整模块，用于将每一个所述候选目标图像均放大至设定尺寸以形成标准图像，并记录每一个所述标准图像所分别对应的放大倍数；第二交互调用模块，用于针对每一个所述标准图像，将所述标准图像输入至预先设置的级联卷积神经网络模型，使得所述级联卷积神经网络模型对所述标准图像进行识别，以输出所述标准图像所携带的可疑目标图像的当前位置信息及分类概率；位置信息确定模块，用于根据各个所述可疑目标图像的所述当前位置信息及所述分类概率、各个所述标准图像所分别对应的所述放大倍数及各个所述候选目标图像的候选位置信息，确定所述待处理图像携带的各个目标图像在所述待处理图像中的位置信息。优选地，所述位置信息确定模块，包括：过滤处理单元、位置转换单元及确定单元；其中，所述过滤处理单元，用于针对于每一个所述标准图像，当所述标准图像所携带的所述可疑目标图像的所述分类概率不小于预设阈值时，根据所述标准图像所对应的放大倍数以及所述标准图像所携带的所述可疑目标图像的当前位置信息，形成所述标准图像所携带的所述可疑区域图像在所述标准图像所对应的所述候选目标图像中的过渡位置信息；所述位置转换单元，用于根据各个所述过渡位置信息以及各个所述过渡位置信息所分别对应的所述候选目标图像的候选位置信息确定目标位置信息；所述确定单元，用于将各个所述目标位置信息确定为所述待处理图像所携带的至少一个目标图像在所述待处理图像中的位置信息。优选地，所述目标图像，包括：车牌区域图像、车窗区域图像或车灯区域图像中的任意一种；和/或，所述装置，进一步包括：标记处理模块；其中。所述标记处理模块，用于根据各个所述目标位置信息在所述待处理图像中标记所述待处理图像携带的至少一个目标图像的位置。第三方面，本专利技术提供了一种目标图像检测系统，包括：全卷积神经网络模型、级联卷积神经网络模型以及如第二方面中任一所述的目标图像检测装置；其中，所述全卷积神经网络模型，用于对所述目标图像检测装置输入的所述待处理图像进行识别，以输出至少一个候选目标图像在所述待处理图像中的候选位置信息；所述级联卷积神经网络模型，用于对所述目标图像检测装置输入的各个所述标准图像进行识别，以输出每一个所述标准图像所携带的可疑目标图像的当前位置信息及分类概率。优选地，所述级联卷积神经网络模型，包括：数据层、卷积层、全连接层、回归层、分类层以及至少两个呈线性排列连接的计算单元；其中，所述数据层，用于接收所述目标图像检测装置输入的每一个所述标准图像；所述卷积层，用于对所述数据层接收的所述标准图像进行识别以提取特征信息，并将提取的所述特征信息输出至排列在首位的所述计算单元；所述计算单元，用于当所述计算单元排列在非末位时，从输入所述计算单元的特征信息中提取显著特征数据，并将提取的所述显著特征数据作为新的特征信息输入至与其相连的后置计算单元；当所述计算单元排列在末位时，从输入所述计算单元的特征信息中提取显著特征数据，并将提取的所述显著特征数据输出至所述全连接层；所述全连接层，用于对输入的所述显著特征数据进行合并以形成全局数据，并将接收的所述显著特征数据及所述全局数据提供给所述回归层以及所述分类层；所述回归层，用于根据所述全连接层提供的所述显著特征数据以及所述全局数据确定所述标准图像所携带的可疑目标图像的当前位置信息，并输出；所述分类层，用于根据所述全连接层提供的所述显著特征数据以及所述全局数据确定所述标准图像所携带的可疑目标图像为目标图像的分类概率，并输出。优选地，所述计算单元，包括：数据接收单元、合并处理单元以及至少两个卷积网络；其中本文档来自技高网...

【技术保护点】
1.一种目标图像检测方法，其特征在于，包括：将待处理图像输入至预先设置的全卷积神经网络模型，使得所述全卷积神经网络模型对所述待处理图像进行识别，以输出至少一个候选目标图像在所述待处理图像中的候选位置信息；从所述待处理图像中提取各个所述候选位置信息所分别对应的所述候选目标图像；将每一个所述候选目标图像均放大至设定尺寸以形成标准图像，并记录每一个所述标准图像所分别对应的放大倍数；针对每一个所述标准图像，将所述标准图像输入至预先设置的级联卷积神经网络模型，使得所述级联卷积神经网络模型对所述标准图像进行识别，以输出所述标准图像所携带的可疑目标图像的当前位置信息及分类概率；根据各个所述可疑目标图像的所述当前位置信息及所述分类概率、各个所述标准图像所分别对应的所述放大倍数及各个所述候选目标图像的候选位置信息，确定所述待处理图像携带的各个目标图像在所述待处理图像中的位置信息。

【技术特征摘要】
1.一种目标图像检测方法，其特征在于，包括：将待处理图像输入至预先设置的全卷积神经网络模型，使得所述全卷积神经网络模型对所述待处理图像进行识别，以输出至少一个候选目标图像在所述待处理图像中的候选位置信息；从所述待处理图像中提取各个所述候选位置信息所分别对应的所述候选目标图像；将每一个所述候选目标图像均放大至设定尺寸以形成标准图像，并记录每一个所述标准图像所分别对应的放大倍数；针对每一个所述标准图像，将所述标准图像输入至预先设置的级联卷积神经网络模型，使得所述级联卷积神经网络模型对所述标准图像进行识别，以输出所述标准图像所携带的可疑目标图像的当前位置信息及分类概率；根据各个所述可疑目标图像的所述当前位置信息及所述分类概率、各个所述标准图像所分别对应的所述放大倍数及各个所述候选目标图像的候选位置信息，确定所述待处理图像携带的各个目标图像在所述待处理图像中的位置信息。2.根据权利要求1所述的方法，其特征在于，所述根据各个所述可疑目标图像的所述当前位置信息及所述分类概率、各个所述标准图像所分别对应的所述放大倍数及各个所述候选目标图像的候选位置信息，确定所述待处理图像携带的各个目标图像在所述待处理图像中的位置信息，包括：针对于每一个所述标准图像，当所述标准图像所携带的所述可疑目标图像的所述分类概率不小于预设阈值时，根据所述标准图像所对应的放大倍数以及所述标准图像所携带的所述可疑目标图像的当前位置信息，形成所述标准图像所携带的所述可疑区域图像在所述标准图像所对应的所述候选目标图像中的过渡位置信息；根据各个所述过渡位置信息以及各个所述过渡位置信息所分别对应的所述候选目标图像的候选位置信息确定目标位置信息；将各个所述目标位置信息确定为所述待处理图像所携带的至少一个目标图像在所述待处理图像中的位置信息。3.根据权利要求2所述的方法，其特征在于，所述目标图像，包括：车牌区域图像、车窗区域图像或车灯区域图像中的任意一种；和/或，进一步包括：根据各个所述目标位置信息在所述待处理图像中标记所述待处理图像携带的至少一个目标图像的位置。4.一种目标图像检测装置，其特征在于，包括：第一交互调用模块，用于将待处理图像输入至预先设置的全卷积神经网络模型，使得所述全卷积神经网络模型对所述待处理图像进行识别，以输出至少一个候选目标图像在所述待处理图像中的候选位置信息；图像提取模块，用于从所述待处理图像中提取各个所述候选位置信息所分别对应的所述候选目标图像；图像调整模块，用于将每一个所述候选目标图像均放大至设定尺寸以形成标准图像，并记录每一个所述标准图像所分别对应的放大倍数；第二交互调用模块，用于针对每一个所述标准图像，将所述标准图像输入至预先设置的级联卷积神经网络模型，使得所述级联卷积神经网络模型对所述标准图像进行识别，以输出所述标准图像所携带的可疑目标图像的当前位置信息及分类概率；位置信息确定模块，用于根据各个所述可疑目标图像的所述当前位置信息及所述分类概率、各个所述标准图像所分别对应的所述放大倍数及各个所述候选目标图像的候选位置信息，确定所述待处理图像携带的各个目标图像在所述待处理图像中的位置信息。5.根据权利要求4所述的装置，其特征在于，所述位置信息确定模块，包括：过滤处理单元、位置转换单元及确定单元；其中，所述过滤处理单元，用于针对于每一个所述标准...

【专利技术属性】
技术研发人员：陈安猛，吴香莲，彭莉，谯帅，
申请(专利权)人：新智数字科技有限公司，
类型：发明
国别省市：河北,13