【技术实现步骤摘要】
一种连续图像的目标检测方法、装置、设备及存储介质
本专利技术实施例涉及图像处理领域，特别是涉及一种连续图像的目标检测方法、装置、设备及计算机可读存储介质。
技术介绍
近几年，随着人工智能技术的兴起，目标检测作为计算机视觉中最基本和首要的任务之一，广泛应用于工业界和日常生活的各个方面，例如自动驾驶、安防系统，以及游戏娱乐等领域。Faster-RCNN算法广泛应用于运动目标行为的特征检测和追踪。该方法首先用卷积神经网络(CNN)的卷积层加池化层提取图片的特征区域，这些特征区域被共享用于后续的区域选取网络(RegionProposalNetworks，RPN)和全连接层。然后利用RPN网络生成候选框，该层先通过softmax全连接层判断锚(anchors)属于前景还是背景，然后在利用回归边界框(boundingboxregression)来修改锚，从而获得精确的候选框。最后由RoI池化层收集输入的特征区域，并把这些数据送入全连接层进行目标类别的判定。尽管Faster-RCNN算法可实现运动目标的行为跟踪和检测，但是该算法的架构比较复杂，对终端要求较高，在视频或者要求较快...
【技术保护点】
1.一种连续图像的目标检测方法，其特征在于，包括：将视频序列的第一帧图像输入目标检测网络模型，得到所述第一帧图像的目标物体的目标框和各自所属的类别；将所述视频序列的第二帧图像分割为多个子图像，对各子图像根据预设的运动估计准则在所述第一帧图像中匹配相应的图像块，以确定所述第一帧图像中的目标物体在所述第二帧图像中的位置；利用预设背景像素值替换在所述第一帧图像中存在相匹配图像块的子图像的像素数据；将替换处理后的第二帧图像作为所述目标检测网络模型的输入，得到所述第二帧图像中的目标物体的目标框和各自所属的类别；其中，所述第二帧图像为所述第一帧图像相邻的下一帧图像。
【技术特征摘要】
1.一种连续图像的目标检测方法，其特征在于，包括：将视频序列的第一帧图像输入目标检测网络模型，得到所述第一帧图像的目标物体的目标框和各自所属的类别；将所述视频序列的第二帧图像分割为多个子图像，对各子图像根据预设的运动估计准则在所述第一帧图像中匹配相应的图像块，以确定所述第一帧图像中的目标物体在所述第二帧图像中的位置；利用预设背景像素值替换在所述第一帧图像中存在相匹配图像块的子图像的像素数据；将替换处理后的第二帧图像作为所述目标检测网络模型的输入，得到所述第二帧图像中的目标物体的目标框和各自所属的类别；其中，所述第二帧图像为所述第一帧图像相邻的下一帧图像。2.根据权利要求1所述的连续图像的目标检测方法，其特征在于，所述目标检测网络模型为YOLO-v3网络模型或SSD网络模型。3.根据权利要求1所述的连续图像的目标检测方法，其特征在于，在所述将替换处理后的第二帧图像作为所述目标检测网络模型的输入之后，还包括：将所述视频序列的第三帧图像分割为多个子图像，对各子图像根据预设的运动估计准则在所述第一帧图像和所述第二帧图像中匹配相应的图像块，以确定所述第三帧图像的前向帧中的目标物体在所述第三帧图像中的位置；利用预设背景像素值替换在所述第一帧图像和所述第二帧图像中存在相匹配图像块的子图像的像素数据；将替换处理后的第三帧图像作为所述目标检测网络模型的输入，得到所述第三帧图像中的目标物体的目标框和各自所属的类别；其中，所述第三帧图像为所述第二帧图像相邻的下一帧图像。4.根据权利要求1-3任意一项所述的连续图像的目标检测方法，其特征在于，在所述将所述视频序列的第二帧图像分割为多个子图像之前，还包括：对获取的所述视频序列的第二帧图像进行去噪处理，以去除所述第二帧图像中的噪声干扰信号。5.一种连续图像的目标检测装置，其特征在于，包括：第一帧图像输入模块，用于将视频序列的第一帧图像输入目标检测网络模型，得到所述第一帧图像的目标物体的目标框和各自所属的类别；图像匹配模块，用于将所述视频序列的第二帧图像分割为多个子图像...
【专利技术属性】
技术研发人员：刘栩辰，方兴，杨宏斌，程云，董刚，
申请(专利权)人：郑州云海信息技术有限公司，
类型：发明
国别省市：河南,41
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。