目标物体的检测方法、装置、网络设备及存储介质制造方法及图纸

本申请实施例公开了一种目标物体的检测方法、装置、网络设备及存储介质，本申请实施例可以提高图片的检测速度。本申请实施例中，目标物体的检测装置获取待检测图片；然后将待检测图片压缩至预置分辨率大小，得到压缩后图片；再从压缩后图片中提取存在备选物体的概率大于预置概率的区域，得到第一待检测区域；在待检测图片中确定与第一待检测区域对应的第二待检测区域；最后在第二待检测区域中确定目标物体。本方案会将获取到的图片压缩至预置分辨率大小，从较小分辨率的图片中确定待检测区域，再将该待检测区域映射回原图，可以在分辨率不变的情况下在更小的区域中进行图片检测，从而可以在保证检测准确度的情况下，提高图片的检测速度。

Detection method, device, network equipment and storage medium of target object

The embodiment of the application discloses a detection method, device, network device and storage medium of the target object, and the embodiment of the application can improve the detection speed of the picture. In the embodiment of the application, the detection device of the target object obtains the picture to be detected; then the picture to be detected is compressed to the preset resolution size to obtain the picture after compression; then the region with the probability of the existence of the alternative object greater than the preset probability is extracted from the compressed picture to obtain the first region to be detected; the second region to be detected corresponding to the first region to be detected is determined in the picture to be detected. Finally, the target object is determined in the second region to be detected. In this scheme, the acquired image will be compressed to the preset resolution size, the area to be detected will be determined from the image with smaller resolution, and then the area to be detected will be mapped back to the original image, so that the image detection can be carried out in the smaller area with the same resolution, so that the detection speed of the image can be improved while the detection accuracy is guaranteed.

【技术实现步骤摘要】
目标物体的检测方法、装置、网络设备及存储介质
本申请涉及图像处理
，具体涉及一种目标物体的检测方法、装置、网络设备及存储介质。
技术介绍
快递业务过程中每天都会有数量庞大的运力行驶在大街小巷中，这些海量的运力每天都在不停地接触和收集各种各样的道路信息，例如收集道路的路标信息等。基于这样的情况，可以利用包括行车记录仪在内的高清视频数据，使用目标检测算法，在采集到视频数据之后识别出视频数据中的道路信息，但由于实际场景中所采集的图片分辨率过大，使用现有的目标检测算法的检测速度较低，无法满足对图片检测速度的需求。
技术实现思路
本申请实施例提供一种目标物体的检测方法、装置、网络设备及存储介质，可以在保证检测准确度的情况下，提高图片的检测速度。第一方面，本申请实施例提供了一种目标物体的检测方法，包括：获取待检测图片；将所述待检测图片压缩至预置分辨率大小，得到压缩后图片；从所述压缩后图片中提取存在备选物体的概率大于预置概率的区域，得到第一待检测区域，所述备选物体包括目标物体；在所述待检测图片中确定与所述第一待检测区域对应的第二待检测区域；在所述第二待检测区域中确定所述目标物体。在一些实施方式中，所述从所述压缩后图片中提取存在备选物体的概率大于预置概率的区域，得到第一待检测区域，包括：基于物体检测网络模型中的第一卷积层，对所述压缩后图片进行特征提取，得到N种不同尺寸的特征图，所述N为大于1的整数；基于所述物体检测网络模型中的第一回归层，对所述N种不同尺寸的特征图进行回归处理，得到所述第一待检测区域。在一些实施方式中，所述基于物体检测网络模型中的第一回归层，对所述N种不同尺寸的特征图进行回归处理，得到所述第一待检测区域，包括：基于所述第一回归层，分别获取所述N种不同尺寸的特征图中所述备选物体的置信度；根据所述置信度在所述压缩后图片中确定所述第一待检测区域。在一些实施方式中，所述第一卷积层包括Dense-44模型或ResDen-34模型；所述Dense-44模型包括5个稠密块Dense-Block，每个所述Dense-Block包括第一部分和第二部分，所述第一部分包括3个3*3卷积，所述第二部分包括一个瓶颈Bottle-Neck结构；所述ResDen-34模型包括两个残差块Res-Block以及3个Dense-Block。在一些实施方式中，所述在所述待检测图片中确定与所述第一待检测区域对应的第二待检测区域，包括：提取所述第一待检测区域在所述压缩后图片中的坐标信息；根据所述坐标信息在所述待检测图片中确定所述第二待检测区域。在一些实施方式中，所述在所述第二待检测区域中确定目标物体，包括：基于所述物体检测网络模型中的第二卷积层，对所述第二待检测区域进行特征提取，得到M种不同尺寸的特征图，所述M为大于1的整数；基于所述物体检测网络模型中的第二回归层，对所述M种不同尺寸的特征图进行回归处理，以确定所述目标物体。在一些实施方式中，所述基于所述物体检测网络模型中的第二回归层，对所述M种不同尺寸的特征图进行回归处理，以确定所述目标物体，包括：在所述第二回归层中根据所述M种不同尺寸的特征图确定目标区域，所述目标区域为所述目标物体对应的位置区域；基于物体检测网络模型中的分类器，分别确定所述目标区域中各个备选物体的置信度；将所述置信度最大的备选物体确定为所述目标物体。在一些实施方式中，所述基于所述物体检测网络模型中的第二回归层，对所述M种不同尺寸的特征图进行回归处理，以确定所述目标物体，包括：基于所述第二回归层，确定所述M种不同尺寸的特征图中各个备选物体的置信度；将所述置信度最大的备选物体确定为所述目标物体。在一些实施方式中，所述第二卷积层包括Dense-44模型或ResDen-34模型；所述Dense-44模型由5个稠密块Dense-Block构成，每个所述Dense-Block包括第一部分和第二部分，所述第一部分包括3个3*3卷积，所述第二部分包括一个瓶颈Bottle-Neck结构；所述ResDen-34模型由两个残差块Res-Block以及3个Dense-Block构成。第二方面，本申请实施例还提供了一种目标物体的检测装置，包括：获取单元，用于获取待检测图片；压缩单元，用于将所述待检测图片压缩至预置分辨率大小，得到压缩后图片；提取单元，用于从所述压缩后图片中提取存在备选物体的概率大于预置概率的区域，得到第一待检测区域，所述备选物体包括目标物体；第一确定单元，用于在所述待检测图片中确定与所述第一待检测区域对应的第二待检测区域；第二确定单元，用于在所述第二待检测区域中确定所述目标物体。在一些实施方式中，所述提取单元包括：第一提取子单元，用于基于物体检测网络模型中的第一卷积层，对所述压缩后图片进行特征提取，得到N种不同尺寸的特征图，所述N为大于1的整数；第一回归子单元，用于基于所述物体检测网络模型中的第一回归层，对所述N种不同尺寸的特征图进行回归处理，得到所述第一待检测区域。在一些实施方式中，所述第一回归子单元具体用于：基于所述第一回归层，分别获取所述N种不同尺寸的特征图中所述备选物体的置信度；根据所述置信度在所述压缩后图片中确定所述第一待检测区域。在一些实施方式中，所述第一卷积层包括Dense-44模型或ResDen-34模型；所述Dense-44模型包括5个稠密块Dense-Block，每个所述Dense-Block包括第一部分和第二部分，所述第一部分包括3个3*3卷积，所述第二部分包括一个瓶颈Bottle-Neck结构；所述ResDen-34模型包括两个残差块Res-Block以及3个Dense-Block。在一些实施方式中，所述第一确定单元具体用于：提取所述第一待检测区域在所述压缩后图片中的坐标信息；根据所述坐标信息在所述待检测图片中确定所述第二待检测区域。在一些实施方式中，所述第二确定单元包括：第二提取子单元，用于基于所述物体检测网络模型中的第二卷积层，对所述第二待检测区域进行特征提取，得到M种不同尺寸的特征图，所述M为大于1的整数；第二回归子单元，用于基于所述物体检测网络模型中的第二回归层，对所述M种不同尺寸的特征图进行回归处理，以确定所述目标物体。在一些实施方式中，所述第二回归子单元具体用于：在所述第二回归层中根据所述M种不同尺寸的特征图确定目标区域，所述目标区域为所述目标物体对应的位置区域；基于物体检测网络模型中的分类器，分别确定所述目标区域中各个备选物体的置信度；将所述置信度最大的备选物体确定为所述目标物体。在一些实施方式中，所述第二回归子单元还具体用于：基于所述第二回归层，确定所述M种不本文档来自技高网...

【技术保护点】
1.一种目标物体的检测方法，其特征在于，包括：/n获取待检测图片；/n将所述待检测图片压缩至预置分辨率大小，得到压缩后图片；/n从所述压缩后图片中提取存在备选物体的概率大于预置概率的区域，得到第一待检测区域，所述备选物体包括目标物体；/n在所述待检测图片中确定与所述第一待检测区域对应的第二待检测区域；/n在所述第二待检测区域中确定所述目标物体。/n

【技术特征摘要】
1.一种目标物体的检测方法，其特征在于，包括：
获取待检测图片；
将所述待检测图片压缩至预置分辨率大小，得到压缩后图片；
从所述压缩后图片中提取存在备选物体的概率大于预置概率的区域，得到第一待检测区域，所述备选物体包括目标物体；
在所述待检测图片中确定与所述第一待检测区域对应的第二待检测区域；
在所述第二待检测区域中确定所述目标物体。


2.根据权利要求1所述的方法，其特征在于，所述从所述压缩后图片中提取存在备选物体的概率大于预置概率的区域，得到第一待检测区域，包括：
基于物体检测网络模型中的第一卷积层，对所述压缩后图片进行特征提取，得到N种不同尺寸的特征图，所述N为大于1的整数；
基于所述物体检测网络模型中的第一回归层，对所述N种不同尺寸的特征图进行回归处理，得到所述第一待检测区域。


3.根据权利要求2所述的方法，其特征在于，所述基于物体检测网络模型中的第一回归层，对所述N种不同尺寸的特征图进行回归处理，得到所述第一待检测区域，包括：
基于所述第一回归层，分别获取所述N种不同尺寸的特征图中所述备选物体的置信度；
根据所述置信度在所述压缩后图片中确定所述第一待检测区域。


4.根据权利要求2或3所述的方法，其特征在于，所述第一卷积层包括Dense-44模型或ResDen-34模型；
所述Dense-44模型包括5个稠密块Dense-Block，每个所述Dense-Block包括第一部分和第二部分，所述第一部分包括3个3*3卷积，所述第二部分包括一个瓶颈Bottle-Neck结构；
所述ResDen-34模型包括两个残差块Res-Block以及3个Dense-Block。


5.根据权利要求1所述的方法，其特征在于，所述在所述待检测图片中确定与所述第一待检测区域对应的第二待检测区域，包括：
提取所述第一待检测区域在所述压缩后图片中的坐标信息；
根据所述坐标信息在所述待检测图片中确定所述第二待检测区域。


6.根据权利要求1所述的方法，其特征在于，所述在所述第二待检测区域中确定目标物体，包括：
基于所述物体检测网络模型中的第二卷积层，对所述第二待检测区域进行特征提取，得到M种不同尺寸的特征图，所述M为大于1的整数；
基于所述物体检测网络模型中的第二回归层，...

【专利技术属性】
技术研发人员：冯昊楠，童星，张玉双，
申请(专利权)人：顺丰科技有限公司，丰图科技深圳有限公司，
类型：发明
国别省市：广东;44