物体检测方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种基于神经网络的物体检测方法、装置、计算机设备和存储介质。所述方法包括：接收待检测视频和物体检测指令，待检测视频中包括视频帧；根据物体检测指令确定检测方式；基于检测方式将各视频帧输入预先训练好的用于物体检测的单帧网络和特征偏移网络，以利用单帧网络和特征偏移网络对各视频帧进行物体检测，得到检测结果；检测结果包括检测特征图和各视频帧的特征点偏移值；根据特征点偏移值将对应的检测特征图中的特征点进行偏移，得到偏移特征图，并根据检测特征图和偏移特征图中的坐标框确定物体信息。采用本方法能够利用帧间信息且提高检测速度。

Object detection method, device, computer equipment and storage medium

The application relates to an object detection method, device, computer device and storage medium based on neural network. The method comprises the following steps: receiving the video to be detected and the object detection instruction, including the video frame in the video to be detected; determining the detection method according to the object detection instruction; inputting each video frame into the pre trained single frame network and the feature offset network for object detection based on the detection method, so as to detect each video frame using the single frame network and the feature offset network and get the detection Test results: the test results include the offset value of the feature points in the test feature map and each video frame; the offset feature map is obtained by offsetting the feature points in the corresponding test feature map according to the offset value of the feature points, and the object information is determined according to the coordinate frame in the test feature map and the offset feature map. This method can use the inter frame information and improve the detection speed.

【技术实现步骤摘要】
物体检测方法、装置、计算机设备和存储介质
本申请涉及计算机
，特别是涉及一种物体检测方法、装置、计算机设备和存储介质。
技术介绍
物体检测是计算机视觉中的经典问题之一，其任务是用框标出物体的位置并给出物体的类别。因此，物体检测在人脸识别、安全监控以及动态追踪等很多方面都有广泛的应用。然而，传统进行物体检测的算法大多采用逐帧检测网络直接对视频帧依次进行检测。虽然在一定程度上保证了检测的精度性，但是在高分辨情况下难以达到实时，导致检测速度缓慢。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够提高检测速度的物体检测方法、装置、计算机设备和存储介质。一种物体检测方法，所述方法包括：接收待检测视频和物体检测指令，所述待检测视频中包括视频帧；根据所述物体检测指令确定检测方式；基于所述检测方式将各所述视频帧输入预先训练好的用于物体检测的单帧网络和特征偏移网络，以利用所述单帧网络和特征偏移网络对各所述视频帧进行物体检测，得到检测结果；所述检测结果包括检测特征图和特征点偏移值；根据所述特征点偏移值将对应的检测特征图中的特征点进行偏移，得到偏移特征图，并根据所述检测特征图和偏移特征图中的坐标框确定物体信息。在其中一个实施例中，所述检测方式包括快速检测；所述基于所述检测方式将各所述视频帧输入至预先训练好的用于物体检测的单帧网络和特征偏移网络，以利用所述单帧网络和特征偏移网络对各所述视频帧进行物体检测，得到检测结果的步骤，包括：当确定所述检测方式为所述快速检测时，依次将各所述视频帧作为当前帧，获取关键帧标志位；基于获取的关键帧标志位，从所述单帧网络和特征偏移网络中确定当前帧对应的检测网络；利用当前帧对应的检测网络对当前帧进行物体检测，得到当前帧对应的检测结果；根据所述检测结果更改所述关键帧标志位，返回获取关键帧标志位的步骤，直至各所述视频帧均得到对应的检测结果。在其中一个实施例中，所述基于获取的关键帧标志位，从所述单帧网络和特征偏移网络中确定当前帧对应的检测网络的步骤，包括：当根据所述关键帧标志位确定当前帧为关键帧时，将所述单帧网络作为当前帧对应的检测网络；当根据所述关键帧标志位确定当前帧为非关键帧时，将所述特征偏移网络作为当前帧对应的检测网络。在其中一个实施例中，所述利用当前帧对应的检测网络对当前帧进行检测，得到当前帧对应的检测结果的步骤，包括：若当前帧对应的检测网络为所述单帧网络，则利用所述单帧网络对所述当前帧进行单帧的物体检测，得到的检测特征图作为当前帧对应的检测结果；若当前帧对应的检测网络为所述特征偏移网络，则利用所述特征偏移网络对当前帧以及当前帧对应的上一帧视频帧进行特征点偏移值的检测，得到的特征点偏移值作为当前帧对应的检测结果。在其中一个实施例中，所述根据所述检测结果更改所述关键帧标志位，返回获取关键帧标志位的步骤，直至各所述视频帧均得到对应的检测结果的步骤，包括：当所述检测结果为检测特征图时，更改所述关键帧标志位，并返回获取关键帧标志位的步骤，直至各所述视频帧均得到对应的检测结果；或当所述检测结果为特征点偏移值时，基于所述特征点偏移值计算得到物体偏移均值，并将所述物体偏移均值累加至预设的物体偏移总值；若所述物体偏移总值不小于门限值，则将所述物体偏移总值清零，以及更改所述关键帧标志位，并返回获取关键帧标志位的步骤，直至各所述视频帧均得到对应的检测结果。在其中一个实施例中，所述检测方式包括精度检测；所述特征点偏移值包括特征点正偏移值和特征点反偏移值；所述基于所述检测方式将各所述视频帧输入预先训练好的用于物体检测的单帧网络和特征偏移网络，以利用所述单帧网络和特征偏移网络对各所述视频帧进行物体检测，得到检测结果的步骤，包括：当确定所述检测方式为所述精度检测时，利用所述单帧网络对各所述视频帧进行单帧的物体检测，得到各所述视频帧对应的检测特征图；利用特征偏移网络对各所述视频帧进行特征点正序偏移值的检测，得到各所述视频帧对应的特征点正偏移值；利用特征偏移网络对各所述视频帧进行特征点倒序偏移值的检测，得到各所述视频帧对应的特征点反偏移值。在其中一个实施例中，所述根据所述特征点偏移值将对应的检测特征图中的特征点进行偏移，得到偏移特征图，并根据所述检测特征图和偏移特征图中的坐标框，确定物体信息的步骤，包括：根据所述视频帧对应的特征点正偏移值，将所述视频帧对应的上一帧视频帧的检测特征图中的特征点进行偏移，生成所述视频帧对应的正偏移特征图；根据所述视频帧对应的特征点反偏移值，将所述视频帧对应的下一帧视频帧的检测特征图中的特征点进行偏移，生成所述视频帧对应的反偏移特征图；将所述视频帧的检测特征图、正偏移特征图以及反偏移特征图进行特征融合，生成最终的特征图；根据所述最终的特征图中的坐标框确定物体信息。一种物体检测装置，所述装置包括：接收模块，用于接收待检测视频和物体检测指令，所述待检测视频中包括视频帧；确定模块，用于根据所述物体检测指令确定检测方式；检测模块，用于基于所述检测方式将各所述视频帧输入预先训练好的用于物体检测的单帧网络和特征偏移网络，以利用所述单帧网络和特征偏移网络对各所述视频帧进行物体检测，得到检测结果；所述检测结果包括检测特征图和各所述视频帧的特征点偏移值；偏移模块，用于根据所述特征点偏移值将各所述视频帧输入预先训练好的用于物体检测的单帧网络和特征偏移网络，并根据所述检测特征图和偏移特征图中的坐标框确定物体信息。一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述的物体检测方法。一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述的物体检测方法。上述物体检测方法、装置、计算机设备和存储介质，当接收到待检测视频和物体检测指令后，根据物体检测指令确定检测方式，从而保证根据用户需求使用准确的检测方式。然后基于检测方式将各视频帧输入预先训练好的用于物体检测的单帧网络和特征偏移网络，且以利用单帧网络和特征偏移网络对待检测视频中的各视频帧进行物体检测，根据检测得到的检测特征图和特征点偏移值生成偏移特征图，从而根据检测特征图和偏移特征图中的坐标框确定物体的信息，从而保证上述方法不仅能够通过单帧网络保证检测的精度，还能利用特征偏移网络得到能够表明各视频帧变化程度的特征点偏移值，不仅利用了帧间信息还提高了检测速度。附图说明图1为一个实施例中物体检测方法的应用场景图；图2为一个实施例中物体检测方法的流程示意图；图3为一个实施例中基于检测方式，利用预设的单帧网络和特征偏移网络对各视频帧进行检测，得到检测结果步骤的流程示意图；图4为另一个实施例中基于检测方式，利用预设的单帧网络和特征偏移网络对各视频帧进行检测，得到检测结果步骤的流程示意图；图5为一个实施例中物体检测装置的结构框图；图6为一个实施例中计算机设备的内部结构图。具体实施方式为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。本申请提供的物体检测方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104进行通信。服务器104接收本文档来自技高网...

【技术保护点】
1.一种物体检测方法，所述方法包括：接收待检测视频和物体检测指令，所述待检测视频中包括视频帧；根据所述物体检测指令确定检测方式；基于所述检测方式将各所述视频帧输入预先训练好的用于物体检测的单帧网络和特征偏移网络，以利用所述单帧网络和特征偏移网络对各所述视频帧进行物体检测，得到检测结果；所述检测结果包括检测特征图和特征点偏移值；根据所述特征点偏移值将对应的检测特征图中的特征点进行偏移，得到偏移特征图，并根据所述检测特征图和偏移特征图中的坐标框确定物体信息。

【技术特征摘要】
1.一种物体检测方法，所述方法包括：接收待检测视频和物体检测指令，所述待检测视频中包括视频帧；根据所述物体检测指令确定检测方式；基于所述检测方式将各所述视频帧输入预先训练好的用于物体检测的单帧网络和特征偏移网络，以利用所述单帧网络和特征偏移网络对各所述视频帧进行物体检测，得到检测结果；所述检测结果包括检测特征图和特征点偏移值；根据所述特征点偏移值将对应的检测特征图中的特征点进行偏移，得到偏移特征图，并根据所述检测特征图和偏移特征图中的坐标框确定物体信息。2.根据权利要求1所述的方法，其特征在于，所述检测方式包括快速检测；所述基于所述检测方式将各所述视频帧输入至预先训练好的用于物体检测的单帧网络和特征偏移网络，以利用所述单帧网络和特征偏移网络对各所述视频帧进行物体检测，得到检测结果的步骤，包括：当确定所述检测方式为所述快速检测时，依次将各所述视频帧作为当前帧，获取关键帧标志位；基于获取的关键帧标志位，从所述单帧网络和特征偏移网络中确定当前帧对应的检测网络；利用当前帧对应的检测网络对当前帧进行物体检测，得到当前帧对应的检测结果；根据所述检测结果更改所述关键帧标志位，返回获取关键帧标志位的步骤，直至各所述视频帧均得到对应的检测结果。3.根据权利要求2所述的方法，其特征在于，所述基于获取的关键帧标志位，从所述单帧网络和特征偏移网络中确定当前帧对应的检测网络的步骤，包括：当根据所述关键帧标志位确定当前帧为关键帧时，将所述单帧网络作为当前帧对应的检测网络；当根据所述关键帧标志位确定当前帧为非关键帧时，将所述特征偏移网络作为当前帧对应的检测网络。4.根据权利要求2所述的方法，其特征在于，所述利用当前帧对应的检测网络对当前帧进行物体检测，得到当前帧对应的检测结果的步骤，包括：若当前帧对应的检测网络为所述单帧网络，则利用所述单帧网络对所述当前帧进行单帧的物体检测，得到的检测特征图作为当前帧对应的检测结果；若当前帧对应的检测网络为所述特征偏移网络，则利用所述特征偏移网络对当前帧以及当前帧对应的上一帧视频帧进行特征点偏移值的检测，得到的特征点偏移值作为当前帧对应的检测结果。5.根据权利要求2所述的方法，其特征在于，所述根据所述检测结果更改所述关键帧标志位，返回获取关键帧标志位的步骤，直至各所述视频帧均得到对应的检测结果的步骤，包括：当所述检测结果为检测特征图时，更改所述关键帧标志位，并返回获取关键帧标志位的步骤，直至各所述视频帧均得到对应的检测结果；或当所述检测结果为特征点偏移值时，基于所述特征点偏移值计算得到物体偏移均值，并将所述物体偏移均值累加至预设...

【专利技术属性】
技术研发人员：叶明，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东,44