用于检测对象的方法和装置制造方法及图纸

本申请实施例公开了用于检测对象的方法和装置。上述方法的一具体实施方式包括：利用卷积神经网络的第一特征提取网络提取目标图像的特征，得到第一特征图；在第一特征图中确定第一候选区域以及在第一候选区域检测目标对象，得到第一特征图的第一目标对象检测结果；利用卷积神经网络的第二特征提取网络提取第一特征图的特征，得到第二特征图；在第二特征图中确定第二候选区域以及在第二候选区域中检测目标对象及目标对象的第一关联对象，生成第二特征图的第二目标对象检测结果，其中，第一关联对象为预设的、与目标对象存在位置关联的对象。该实施方式提高了目标对象检测的精确度。

Method and device for detecting objects

The application embodiment discloses a method and device for detecting objects. A specific embodiment of the above method includes: extracting the features of the target image from the first feature of the convolution neural network and obtaining the first feature map; determining the first candidate region in the first feature map and detecting the target object in the first candidate region, and obtaining the first target detection result of the first feature map. The second feature extraction network of convolution neural network is used to extract the features of the first feature graph, and the second feature graph is obtained; the second candidate region is determined in the second feature graph, and the first associated object of the target object and the target object is detected in the second candidate region, and the second target detection result of the second feature graph is generated. Among them, the first associated object is the preset object associated with the target object. The implementation improves the accuracy of target object detection.

【技术实现步骤摘要】
用于检测对象的方法和装置
本申请实施例涉及计算机视觉
，具体涉及用于检测对象的方法和装置。
技术介绍
目标检测作为计算机视觉的重要研究课题之一，被广泛应用于国防军事、公共交通、社会安全和商业应用等各个领域。因此目标检测算法的研究，具有非常重要的军事以及商业价值。所谓目标检测，是通过分析图像或者视频中的目标的特征，将目标识别出来，获得目标的类别和位置信息，能够对目标做进一步分析和理解提供帮助，例如目标跟踪以及基于图像内容的分析等。
技术实现思路
本申请实施例提出了用于检测对象的方法和装置。第一方面，本申请实施例提供了一种用于检测对象的方法，包括：利用卷积神经网络的第一特征提取网络提取目标图像的特征，得到第一特征图；在上述第一特征图中确定第一候选区域以及在上述第一候选区域检测目标对象，得到上述第一特征图的第一目标对象检测结果；利用卷积神经网络的第二特征提取网络提取上述第一特征图的特征，得到第二特征图；在上述第二特征图中确定第二候选区域以及在上述第二候选区域中检测上述目标对象及上述目标对象的第一关联对象，生成上述第二特征图的第二目标对象检测结果，其中，第一关联对象为预设的、与上述目标对象存在位置关联的对象。在一些实施例中，上述方法还包括：利用卷积神经网络的第三特征提取网络提取上述第二特征图的特征，得到第三特征图；在上述第三特征图中确定第三候选区域以及在上述第三候选区域中检测上述目标对象、上述第一关联对象以及第二关联对象，生成第三特征图的第三目标对象检测结果，其中，上述第二关联对象为预设的、与上述目标对象、上述第一关联对象存在位置关联的对象。在一些实施例中，上述在上述第二候选区域中检测上述目标对象及上述目标对象的第一关联对象，生成上述第二特征图的第二目标对象检测结果，包括：响应于在上述第二候选区域中检测到上述第一关联对象，根据上述第一关联对象确定上述目标对象；根据所确定的目标对象以及在上述第二候选区域中检测到的目标对象，生成上述第二目标对象检测结果。在一些实施例中，上述方法还包括：融合上述第一目标对象检测结果、上述第二目标对象检测结果以及上述第三目标对象检测结果，将融合后的目标对象检测结果输出。在一些实施例中，在第二特征图中确定第二候选区域，包括：检测第二特征图的尺寸是否满足预设条件；响应于确定第二特征图的尺寸满足预设条件，在第二特征图中确定第二候选区域。第二方面，本申请实施例提供了一种用于检测对象的装置，包括：第一特征提取单元，用于利用卷积神经网络的第一特征提取网络提取目标图像的特征，得到第一特征图；第一对象检测单元，用于在上述第一特征图中确定第一候选区域以及在上述第一候选区域检测目标对象，得到上述第一特征图的第一目标对象检测结果；第二特征提取单元，用于利用卷积神经网络的第二特征提取网络提取上述第一特征图的特征，得到第二特征图；第二对象检测单元，用于在上述第二特征图中确定第二候选区域以及在上述第二候选区域中检测上述目标对象及上述目标对象的第一关联对象，生成上述第二特征图的第二目标对象检测结果，其中，第一关联对象为预设的、与上述目标对象存在位置关联的对象。在一些实施例中，上述装置还包括：第三特征提取单元，用于利用卷积神经网络的第三特征提取网络提取上述第二特征图的特征，得到第三特征图；第三对象检测单元，用于在上述第三特征图中确定第三候选区域以及在上述第三候选区域中检测上述目标对象、上述第一关联对象以及第二关联对象，生成第三特征图的第三目标对象检测结果，其中，上述第二关联对象为预设的、与上述目标对象、上述第一关联对象存在位置关联的对象。在一些实施例中，上述第二对象检测单元进一步用于：响应于在上述第二候选区域中检测到上述第一关联对象，根据上述第一关联对象确定上述目标对象；根据所确定的目标对象以及在上述第二候选区域中检测到的目标对象，生成上述第二目标对象检测结果。在一些实施例中，上述装置还包括：结果输出单元，用于融合上述第一目标对象检测结果、上述第二目标对象检测结果以及上述第三目标对象检测结果，将融合后的目标对象检测结果输出。在一些实施例中，第二候选区域确定单元进一步用于：检测第二特征图的尺寸是否满足预设条件；响应于确定第二特征图的尺寸满足预设条件，在第二特征图中确定第二候选区域。第三方面，本申请实施例提供了一种设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当上述一个或多个程序被上述一个或多个处理器执行，使得上述一个或多个处理器实现如第一方面任一实施例所描述的方法。第四方面，本申请实施例提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面任一实施例所描述的方法。本申请的上述实施例提供的用于检测对象的方法和装置，首先利用卷积神经网络的第一特征提取网络提取目标图像的特征，得到第一特征图，然后在第一特征图中确定第一候选区域，并在第一候选区域中检测目标对象，得到第一特征图的第一目标对象检测结果，然后利用卷积神经网络的第二特征提取网络提取第一特征图的特征，得到第二特征图，然后在第二特征图中确定第二候选区域，并在第二候选区域中检测目标对象以及上述目标对象的第一关联对象，生成第二特征图的第二目标检测结果。本实施例的方法和装置，可以对目标图像进行多次目标对象检测，从而提高了目标对象检测的精确度。附图说明通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：图1是本申请可以应用于其中的示例性系统架构图；图2是根据本申请的用于检测对象的方法的一个实施例的流程图；图3是根据本申请的用于检测对象的方法的一个应用场景的示意图；图4是根据本申请的用于检测对象的方法的又一个实施例的流程图；图5是根据本申请的用于检测对象的装置的一个实施例的结构示意图；图6是适于用来实现本申请实施例的设备的计算机系统的结构示意图。具体实施方式下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关专利技术，而非对该专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关专利技术相关的部分。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。图1示出了可以应用本申请的用于检测对象的方法或用于检测对象的装置的示例性系统架构100。如图1所示，系统架构100可以包括终端设备101、102、103，网络104以及服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。终端设备101、102、103可以通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103可以为能够运行卷积神经网络的电子设备，终端设备101、102、103上可以安装有各种信息交互应用或图像处理应用。终端设备101、102、103可以是具有图像采集装置并支持互联网访问的各种电子设备，包括但不限于智能监控摄像头、智能手机、平板电脑、笔记本电脑等。服务器105可以是提供检测对象服务的检测对象服务器，服务器可以接收终端设备101、102、103发送的目本文档来自技高网...

【技术保护点】
1.一种用于检测对象的方法，包括：利用卷积神经网络的第一特征提取网络提取目标图像的特征，得到第一特征图；在所述第一特征图中确定第一候选区域以及在所述第一候选区域检测目标对象，得到所述第一特征图的第一目标对象检测结果；利用卷积神经网络的第二特征提取网络提取所述第一特征图的特征，得到第二特征图；在所述第二特征图中确定第二候选区域以及在所述第二候选区域中检测所述目标对象及所述目标对象的第一关联对象，生成所述第二特征图的第二目标对象检测结果，其中，第一关联对象为预设的、与所述目标对象存在位置关联的对象。

【技术特征摘要】
1.一种用于检测对象的方法，包括：利用卷积神经网络的第一特征提取网络提取目标图像的特征，得到第一特征图；在所述第一特征图中确定第一候选区域以及在所述第一候选区域检测目标对象，得到所述第一特征图的第一目标对象检测结果；利用卷积神经网络的第二特征提取网络提取所述第一特征图的特征，得到第二特征图；在所述第二特征图中确定第二候选区域以及在所述第二候选区域中检测所述目标对象及所述目标对象的第一关联对象，生成所述第二特征图的第二目标对象检测结果，其中，第一关联对象为预设的、与所述目标对象存在位置关联的对象。2.根据权利要求1所述的方法，其中，所述方法还包括：利用卷积神经网络的第三特征提取网络提取所述第二特征图的特征，得到第三特征图；在所述第三特征图中确定第三候选区域以及在所述第三候选区域中检测所述目标对象、所述第一关联对象以及第二关联对象，生成第三特征图的第三目标对象检测结果，其中，所述第二关联对象为预设的、与所述目标对象、所述第一关联对象存在位置关联的对象。3.根据权利要求1所述的方法，其中，所述在所述第二候选区域中检测所述目标对象及所述目标对象的第一关联对象，生成所述第二特征图的第二目标对象检测结果，包括：响应于在所述第二候选区域中检测到所述第一关联对象，根据所述第一关联对象确定所述目标对象；根据所确定的目标对象以及在所述第二候选区域中检测到的目标对象，生成所述第二目标对象检测结果。4.根据权利要求2所述的方法，其中，所述方法还包括：融合所述第一目标对象检测结果、所述第二目标对象检测结果以及所述第三目标对象检测结果，将融合后的目标对象检测结果输出。5.根据权利要求1所述的方法，其中，所述在所述第二特征图中确定第二候选区域，包括：检测所述第二特征图的尺寸是否满足预设条件；响应于确定所述第二特征图的尺寸满足预设条件，在所述第二特征图中确定第二候选区域。6.一种用于检测对象的装置，包括：第一特征提取单元，用于利用卷积神经网络的第一特征提取网络提取目标图像的特征，得到第一特征图；第一对象检测单元，用于在所述第一特征图中确定第一...

【专利技术属性】
技术研发人员：杜康，汤旭，
申请(专利权)人：百度在线网络技术北京有限公司，
类型：发明
国别省市：北京,11