物体检测方法、装置与电子设备制造方法及图纸

本申请实施例公开了一种物体检测方法、装置与电子设备，该方法包括：将视频流中连续的N帧图像依次输入到检测模型中，获得每帧图像的M个特征图；针对每帧图像，将该帧图像的M个特征图的尺度缩放到统一尺度，并对尺度统一的M个特征图进行融合，输入到所述检测模型中的预测模块中，获得该帧图像的物体检测结果；将所述N帧图像的物体检测结果进行比较，确定目标物体。在实现对较大物体的准确检测的基础上，实现对小物体的准确检测。同时，将N帧图像的物体检测结果进行比较，进而对视频流中模糊图像的误检测结果进行过滤，实现目标物体的准确检测。

Object Detection Method, Device and Electronic Equipment

【技术实现步骤摘要】
物体检测方法、装置与电子设备
本申请实施例涉及图像处理
，尤其涉及一种物体检测方法、装置与电子设备。
技术介绍
目前，随着计算机视觉的发展，物体检测得到了广泛的应用。基于深度学习的物体检测主要分为两种流派，一种是解构图片特征，编码各区域的空间位置信息，直接回归出场景中的物体类别和位置的单阶段模式。另一种则是先从图片中初步确认出一些可能存在物体的潜在区域，然后再进一步针对这些区域进行物体分类和位置校正的二阶段模式。现在的通用物体检测技术的发展主要来自于公开数据集，发源于网络搜索引擎搜集的大量的场景，经过了专家的精细标注而来，数据本身相对固定，图片非常清晰。然而现实生活场景中，尤其是对于实用的机器视觉来说，场景语义往往是一个动态连续的过程，图片质量因为采集设备的不同，最终给到机器模型的会是分辨率差异极大，甚至存在大量模糊的情况。即现有技术，基于终端设备采集的视频流，无法实现物体的准确检测。
技术实现思路
本申请实施例提供一种物体检测方法、装置与电子设备，用于实现对视频流中物体的准确检测。第一方面，本申请实施例提供一种物体检测方法，包括：将视频流中连续的N帧图像依次输入到检测模型中，获得本文档来自技高网...

【技术保护点】
1.一种物体检测方法，其特征在于，包括：将视频流中连续的N帧图像依次输入到检测模型中，获得每帧图像的M个特征图，其中，所述M、N均为大于1的正整数；针对每帧图像，将该帧图像的M个特征图的尺度缩放到统一尺度，并对尺度统一的M个特征图进行融合，输入到所述检测模型中的预测模块中，获得该帧图像的物体检测结果；将所述N帧图像的物体检测结果进行比较，确定目标物体。

【技术特征摘要】
1.一种物体检测方法，其特征在于，包括：将视频流中连续的N帧图像依次输入到检测模型中，获得每帧图像的M个特征图，其中，所述M、N均为大于1的正整数；针对每帧图像，将该帧图像的M个特征图的尺度缩放到统一尺度，并对尺度统一的M个特征图进行融合，输入到所述检测模型中的预测模块中，获得该帧图像的物体检测结果；将所述N帧图像的物体检测结果进行比较，确定目标物体。2.根据权利要求1所述的方法，其特征在于，所述对尺度统一的M个特征图进行融合，包括：将尺度统一的M个特征图进行叠加。3.根据权利要求1或2所述的方法，其特征在于，所述将所述N帧图像的物体检测结果进行比较，确定目标物体，包括：确定所述N帧图像中相邻两帧图像的检测框的交并比，获得交并比大于预设值的各第一检测框，其中，所述物体检测结果包括检测框；根据各所述第一检测框的位置信息，获得属于同一个区域的各第二检测框；判断属于同一个区域的各第二检测框的数量是否为N；若是，则确定各所述第二检测框对应的为同一个目标物体。4.根据权利要求1所述的方法，其特征在于，所述确定目标物体之后，所述方法还包括：标记所述目标物体。5.根据权利要求1所述的方法，其特征在于，所述确定目标物体之后，所述方法还包括：基于卡尔曼滤波算法，对所述目标物体的检测结果进行校正。6.根据权利要求5所述的方法，其特征在于，所述基于卡尔曼滤波算法，对所述目标物体的检测结果进行...

【专利技术属性】
技术研发人员：胡扬，高原，刘霄，李旭斌，文石磊，丁二锐，
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