目标检测方法和装置、存储介质、电子设备制造方法及图纸

本公开提供了一种目标检测方法和装置、存储介质、电子设备，应用于监控安防技术领域，该目标检测方法可以包括：采用隔帧读取的方式实时读取视频流中的预设帧图像；利用一通过深度学习网络生成的检测模型检测所述预设帧图像中的待检测目标，以获取所述待检测目标在所述预设帧图像中的位置。本公开有效的缩短了检测时间，提高了检测的实时性，进而实现了对待检测目标的实时检测和实时跟踪。

Target detection methods and devices, storage media, electronic equipment

The invention provides a target detection method and device, storage medium, electronic equipment, applied to the technical field of security monitoring, detection method of the target can include: the frame the way to read real-time read in a video stream using a preset image; through the deep learning detection model of network generated by the preset image the target to be detected, in order to obtain the target to be detected the preset frame image position in the. The disclosure effectively reduces the detection time, improves the real-time detection, and then realizes the real-time detection and real-time tracking of the detection target.

【技术实现步骤摘要】
目标检测方法和装置、存储介质、电子设备
本公开涉及监控安防
，尤其涉及一种目标检测方法和装置、存储介质、电子设备。
技术介绍
随着计算机技术的快速发展，对目标检测技术的研究也越来越热门。由于目标检测技术在智能化交通系统、智能监控系统、军事目标检测等领域具有广泛的应用价值和重要的意义，因此，如何准确的检测和跟踪目标已成为目标检测技术中的重要研究方向。目前，常用的目标检测技术应用在背景简单且目标清晰的场景中，通过人工提取的方式提取待检测目标的特征，并根据人工提取的特征检测待检测视频中的每一帧图像中的待检测目标。在上述方式中，一方面，由于需要对每一帧图像进行检测，增加了检测时间，导致积累了大量的未检测图像，进而无法实现对待检测目标的实时检测和跟踪；另一方面，由于现实场景比较复杂，例如，在待检测目标运动的过程中受到建筑物、树梢、不明飞行物等的影响时，导致通过上述常用的目标检测技术无法准确的检测和跟踪待检测目标，且容易丢失待检测目标；又一方面，由于目标检测技术的好坏取决于从待检测目标中提取的特征的好坏，而在常用的目标检测技术中采用人工提取的方式提取待检测目标的特征，在很大程度上靠特征提取本文档来自技高网...

【技术保护点】
一种目标检测方法，其特征在于，包括：采用隔帧读取的方式实时读取视频流中的预设帧图像；利用一通过深度学习网络生成的检测模型检测所述预设帧图像中的待检测目标，以获取所述待检测目标在所述预设帧图像中的位置。

【技术特征摘要】
1.一种目标检测方法，其特征在于，包括：采用隔帧读取的方式实时读取视频流中的预设帧图像；利用一通过深度学习网络生成的检测模型检测所述预设帧图像中的待检测目标，以获取所述待检测目标在所述预设帧图像中的位置。2.根据权利要求1所述的目标检测方法，其特征在于，所述方法还包括：通过深度学习网络生成所述检测模型，包括：获取多个被标记出所述待检测目标的第一样本图像；将多个所述第一样本图像转化为具有预设格式的多个第二样本图像；基于多个所述第二样本图像对所述深度学习网络进行训练以得到所述检测模型。3.根据权利要求2所述的目标检测方法，其特征在于，所述基于多个所述第二样本图像对所述深度学习网络进行训练以得到所述检测模型包括：基于多个所述第二样本图像对第一深度学习密集网络进行训练，以得到所述第一深度学习密集网络中的所有连接的权重值；剪掉所述第一深度学习密集网络中的权重值小于预设权重值的所述连接，以将所述第一深度学习密集网络转换为深度学习稀疏网络；基于多个所述第二样本图像对所述深度学习稀疏网络进行训练，以对所述深度学习稀疏网络中的所有所述连接的权重值进行第一次更新；在所述深度学习稀疏网络中增加已剪掉的所有所述连接，并对已剪掉的所有所述连接的权重值进行初始化，以将所述深度学习稀疏网络转换为第二深度学习密集网络；将多个所述第二样本图像输入所述第二深度学习密集网络以对所述第二深度学习密集网络中的经过所述第一次更新的所有所述连接的权重值进行第二次更新并...

【专利技术属性】
技术研发人员：王文涛，李权，李宁鸟，
申请(专利权)人：西安天和防务技术股份有限公司，
类型：发明
国别省市：陕西,61