一种目标检测方法、电子设备及存储介质技术

本发明专利技术实施例涉及图像处理领域，公开了一种目标检测方法、电子设备及存储介质。本申请的部分实施例中，目标检测方法包括：获取待检测图像；调用目标检测模型对待检测图像进行检测，确定待检测图像中的目标物体的类别，目标检测模型根据第一图像数据和第一图像数据的类别标注文件训练得到，调用目标物体的类别对应的分类模型，识别目标物体的种类；分类模型根据第二图像数据和第二图像数据中的物体的种类信息训练得到，第二图像数据中包括分类模型对应的类别的物体的图像。该实现中，能够提高检测速度。

A Target Detection Method, Electronic Equipment and Storage Media

【技术实现步骤摘要】
一种目标检测方法、电子设备及存储介质
本专利技术实施例涉及图像处理领域，特别涉及一种目标检测方法、电子设备及存储介质。
技术介绍
深度学习是机器学习中一种基于对数据进行表征学习的方法。深度学习的好处是用非监督式或半监督式的特征学习和分层特征提取高效算法来替代手工获取特征。目前，智能货柜识别商品时，常常基于深度学习目标检测算法来检测识别货柜中的商品。使用深度学习目标检测算法比传统目标检测算法准确率高。然而，专利技术人发现现有技术中至少存在如下问题：使用深度学习检测算法训练一个目标检测模型时，训练时间会随着训练数据量的增大而增大，这是相比较传统目标检测算法的一个明显缺点。因此，目标检测模型要能够检测新的物体，往往需要经过很长时间。需要说明的是，在上述
技术介绍
部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
本专利技术实施方式的目的在于提供一种目标检测方法、电子设备及存储介质，使得能够提高检测速度。为解决上述技术问题，本专利技术的实施方式提供了一种目标检测方法，包括：获取待检测图像；调用目标检测模型对待检测图像进行检测，确定待检测图像中的目标物体的类别，目标检测模型根据第一图像数据和第一图像数据的类别标注文件训练得到，类别标注文件包括第一图像数据中的物体的类别信息；调用目标物体的类别对应的分类模型，识别目标物体的种类；分类模型根据第二图像数据和第二图像数据中的物体的种类信息训练得到，第二图像数据中包括分类模型对应的类别的物体的图像。本专利技术的实施方式还提供了一种目标检测装置，包括：获取模块和检测模块；获取模块用于获取待检测图像；检测模块用于调用目标检测模型对待检测图像进行检测，确定待检测图像中的目标物体的类别，目标检测模型根据第一图像数据和第一图像数据的类别标注文件训练得到，类别标注文件中的第一图像数据中的物体的类别信息；调用目标物体的类别对应的分类模型，识别目标物体的种类；分类模型根据第二图像数据和第二图像数据中的物体的种类信息训练得到，第二图像数据中包括分类模型对应的类别的物体的图像。本专利技术的实施方式还提供了一种电子设备，包括：至少一个处理器；以及，与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行如上述实施方式提及的目标检测方法。本专利技术的实施方式还提供了一种计算机可读存储介质，存储有计算机程序，计算机程序被处理器执行时实现上述实施方式提及的目标检测方法。本专利技术实施方式相对于现有技术而言，电子设备先调用目标检测模型识别目标物体的类别，再调用该目标物体的类别对应的分类模型识别目标物体的种类，在增加新增物体时，电子设备更新该新增物体对应的分类模型即可识别该新增物体，减少了电子设备的更新时间，提高了电子设备实现新增物体的检测的速度，也提高了电子设备的可扩展性。另外，在获取待检测图像之前或之后，目标检测方法还包括：获取第三图像数据和第三图像数据中的物体的种类信息；其中，第三图像数据包括新增物体的图像；确定新增物体的类别；基于第三图像数据和第三图像数据中的物体的种类信息，更新新增物体的类别对应的分类模型。该实现中，能够减少电子设备的更新时间，提高电子设备的可扩展性另外，在调用目标物体的类别对应的分类模型，识别目标物体的种类之前，目标检测方法还包括：从待检测图像中提取目标物体的图像；调用目标物体的类别对应的分类模型，识别目标物体的种类，具体包括：将目标物体的图像输入目标物体的类别对应分类模型；根据目标物体的类别对应的分类模型的输出，确定目标物体的种类。该实现中，能够减少待检测图像中的干扰因素，提高检测的准确性。另外，从待检测图像中提取目标物体的图像，具体包括：获取目标物体在待检测图像中的位置信息；根据目标物体的位置信息，从待检测图像中提取目标物体的图像。另外，在调用目标物体的类别对应的分类模型，识别目标物体的种类之前，目标检测方法还包括：获取目标物体在待检测图像中的位置信息；调用目标物体的类别对应的分类模型，识别目标物体的种类，具体包括：将待检测图像和目标物体的位置信息，输入目标物体的类别对应的分类模型，根据目标物体的类别对应的分类模型的输出，确定目标物体的种类；其中，分类模型根据目标物体的位置信息，对待检测图像中的目标物体的位置信息所指示的区域进行检测，输出目标物体的种类。另外，第一图像数据的类别标注文件中还包括第一图像数据中的物体的位置信息；获取目标物体在待检测图像中的位置信息，具体包括：根据目标检测模型对待检测图像的检测结果，确定目标物体在待检测图像中的位置信息。另外，目标检测模型的训练过程为：获取第一图像数据、第一种类标注文件和分类信息；第一种类标注文件中包括第一图像数据中的物体的种类信息，分类信息指示物体的种类和物体的类别的对应关系；根据分类信息，将第一种类标注文件中的物体的种类信息转换为类别信息，得到类别标注文件；基于第一图像数据和类别标注文件，训练目标检测模型。另外，每个类别的第二图像数据和第二图像数据中的物体的种类信息的获取过程为：获取第四图像数据、第二种类标注文件和分类信息；第二种类标注文件中包括第四图像数据中的物体的种类信息，以及第四图像数据中的物体在第一图像数据中的位置信息，分类信息指示物体的种类和物体的类别的对应关系；根据分类信息，确定类别包含的物体；根据第二种类标注文件，从第一图像数据中提取类别包含的物体的图像数据，确定类别包含的物体的图像数据对应的种类信息；将类别包含的物体的图像数据作为第二图像数据，将类别包含的物体的图像数据的种类信息作为第二图像数据中的物体的种类信息。附图说明一个或多个实施例通过与之对应的附图中的图片进行示例性说明，这些示例性说明并不构成对实施例的限定，附图中具有相同参考数字标号的元件表示为类似的元件，除非有特别申明，附图中的图不构成比例限制。图1是本专利技术的第一实施方式的目标检测方法的流程图；图2是本专利技术的第一实施方式的目标检测模型的训练过程的示意图；图3是本专利技术的第一实施方式的分类模型的训练过程的示意图；图4是本专利技术的第一实施方式的分类模型的更新过程的示意图；图5是本专利技术的第二实施方式的目标检测方法的流程图；图6是本专利技术的第三实施方式的目标检测装置的结构示意图；图7是本专利技术的第四实施方式的电子设备的结构示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术的各实施方式进行详细的阐述。然而，本领域的普通技术人员可以理解，在本专利技术各实施方式中，为了使读者更好地理解本申请而提出了许多技术细节。但是，即使没有这些技术细节和基于以下各实施方式的种种变化和修改，也可以实现本申请所要求保护的技术方案。本专利技术的第一实施方式涉及一种目标检测方法，应用于电子设备，例如，智能货柜。如图1所示，目标检测方法包括：步骤101：获取待检测图像。具体地说，电子设备调用图像传感器，对柜体内中的目标物体进行拍摄，得到待检测图像。其中，图像传感器可以是摄像头等设备。步骤102：调用目标检测模型对待检测图像进行检测，确定待检测图像中的目标物体的类别。具体地说，电子设备中存储有目标检测模型。电子设备将该待检测图像输入目标检测本文档来自技高网...

【技术保护点】
1.一种目标检测方法，其特征在于，包括：获取待检测图像；调用目标检测模型对所述待检测图像进行检测，确定所述待检测图像中的目标物体的类别，所述目标检测模型根据第一图像数据和所述第一图像数据的类别标注文件训练得到，所述类别标注文件包括所述第一图像数据中的物体的类别信息；调用所述目标物体的类别对应的分类模型，识别所述目标物体的种类；所述分类模型根据第二图像数据和所述第二图像数据中的物体的种类信息训练得到，所述第二图像数据中包括所述分类模型对应的类别的物体的图像。

【技术特征摘要】
1.一种目标检测方法，其特征在于，包括：获取待检测图像；调用目标检测模型对所述待检测图像进行检测，确定所述待检测图像中的目标物体的类别，所述目标检测模型根据第一图像数据和所述第一图像数据的类别标注文件训练得到，所述类别标注文件包括所述第一图像数据中的物体的类别信息；调用所述目标物体的类别对应的分类模型，识别所述目标物体的种类；所述分类模型根据第二图像数据和所述第二图像数据中的物体的种类信息训练得到，所述第二图像数据中包括所述分类模型对应的类别的物体的图像。2.根据权利要求1所述的目标检测方法，其特征在于，在所述获取待检测图像之前或之后，所述目标检测方法还包括：获取第三图像数据和所述第三图像数据中的物体的种类信息；其中，所述第三图像数据包括新增物体的图像；确定所述新增物体的类别；基于所述第三图像数据和所述第三图像数据中的物体的种类信息，更新所述新增物体的类别对应的分类模型。3.根据权利要求1或2所述的目标检测方法，其特征在于，在所述调用所述目标物体的类别对应的分类模型，识别所述目标物体的种类之前，所述目标检测方法还包括：从所述待检测图像中提取所述目标物体的图像；所述调用所述目标物体的类别对应的分类模型，识别所述目标物体的种类，具体包括：将所述目标物体的图像输入所述目标物体的类别对应分类模型；根据所述目标物体的类别对应的分类模型的输出，确定所述目标物体的种类。4.根据权利要求3所述的目标检测方法，其特征在于，所述从所述待检测图像中提取所述目标物体的图像，具体包括：获取所述目标物体在所述待检测图像中的位置信息；根据所述目标物体的位置信息，从所述待检测图像中提取所述目标物体的图像。5.根据权利要求1或2所述的目标检测方法，其特征在于，在所述调用所述目标物体的类别对应的分类模型，识别所述目标物体的种类之前，所述目标检测方法还包括：获取所述目标物体在所述待检测图像中的位置信息；所述调用所述目标物体的类别对应的分类模型，识别所述目标物体的种类，具体包括：将所述待检测图像和所述目标物体的位置信息，输入所述目标物体的类别对应的分类模型，根据所述目标物体的类别对应的分类模型的输出，确定所述目标物体的种类；其中，所述分类模型根据所述目标...

【专利技术属性】
技术研发人员：王文琦，廉士国，南一冰，
申请(专利权)人：达闼科技北京有限公司，
类型：发明
国别省市：北京,11