【技术实现步骤摘要】
目标物体检测方法、装置、存储介质及电子设备
本申请涉及图像处理领域，尤其涉及一种目标物体检测方法、装置、存储介质及电子设备。
技术介绍
视频物体检测在很多领域都有着较为广泛的应用，例如自动驾驶领域、安防领域的车辆的跟踪检测、视频内容的识别，尤其是在自动驾驶领域，需要较高的检测速度和精度。但是，目前的视频物体检测方法不能保证较高的检测速度和精度，例如，基于光流的视频物体检测方法，该检测方法首先提取关键帧的特征图，然后通过光流预测网络，计算非关键帧和关键帧之间的光流图，再用光流图对关键帧的特征图进行变换得到非关键帧的特征图。该方法虽然能在一定程度上提高视频物体检测的速度，但是这个速度达不到实际应用中要求的速度，并且该方法也不能提供较高的检测精度。因此，现有的视频物体检测方法存在缺陷。
技术实现思路
目前的视频物体检测方法的速度达不到实际应用中要求的速度，并且存在检测精度较低的问题。为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种目标物体检测方法、装置、存储介质及电子设备。<...
【技术保护点】
1.一种目标物体检测方法，包括：/n确定当前视频帧的类型；/n在所述当前视频帧的类型为非关键帧的情况下，采用第一神经网络提取所述当前视频帧的特征，以获得所述当前视频帧的第一特征图；/n确定所述当前视频帧之前的第一历史视频帧的第二特征图，所述第二特征图为采用第二神经网络提取第一历史视频帧的特征获得的，所述第一历史视频帧为时序上位于所述当前视频帧之前的类型为关键帧的视频帧，所述第一神经网络的网络模型小于所述二神经网络的网络模型；/n将所述第一特征图与所述第二特征图进行融合，获得所述当前视频帧的第一融合特征图；/n根据所述第一融合特征图对所述当前视频帧进行检测，获得所述当前视频帧...
【技术特征摘要】
1.一种目标物体检测方法，包括：
确定当前视频帧的类型；
在所述当前视频帧的类型为非关键帧的情况下，采用第一神经网络提取所述当前视频帧的特征，以获得所述当前视频帧的第一特征图；
确定所述当前视频帧之前的第一历史视频帧的第二特征图，所述第二特征图为采用第二神经网络提取第一历史视频帧的特征获得的，所述第一历史视频帧为时序上位于所述当前视频帧之前的类型为关键帧的视频帧，所述第一神经网络的网络模型小于所述二神经网络的网络模型；
将所述第一特征图与所述第二特征图进行融合，获得所述当前视频帧的第一融合特征图；
根据所述第一融合特征图对所述当前视频帧进行检测，获得所述当前视频帧的目标物体检测结果。
2.根据权利要求1所述的方法，其中，所述将所述第一特征图与第二特征图进行融合，获得所述当前视频帧的第一融合特征图，包括：
将所述第一特征图与所述第一历史视频帧的第二融合特征图进行融合，获得所述第一融合特征图，其中，所述第二融合特征图为所述第二特征图与第二历史视频帧的第三特征图进行融合获得的，所述第二历史视频帧为时序上位于所述第一历史视频帧之前的类型为关键帧的视频帧。
3.根据权利要求2所述的方法，其中，所述第二融合特征图为所述第二特征图与对齐后的所述第三特征图进行融合获得的，对齐后的所述第三特征图为根据所述第一历史视频帧与所述第二历史视频帧之间的第一光流图，将所述第三特征图与所述第二特征图对齐获得的。
4.根据权利要求3所述的方法，其中，所述第二融合特征图为根据所述第二特征图、以及所述第二特征图的第一权重、对齐后的所述第三特征图、以及对齐后的所述第三特征图的第二权重，将对齐后的所述第三特征图和所述第二特征图进行融合获得的。
5.根据权利要求2-4任一项所述的方法，其中，所述将所述第一特征图与所述第一历史视频帧的第二融合特征图进行融合，获得所述第一融合特征图，包括：
将所述第一特征图与对齐后的所述第二融合特征图融合，获得所述第一融合特征图，其中，对齐后的所述第二融合特征图为根据压缩视频中所述第一历史视频帧与所述当前视频帧之间的位移信息，将所述第二融合特征图与所述第一特征图对齐获得的。
6.根据权利要求5所述的方法，其中，所述将所述第一特征图与对齐后的所述第二融合特征图融合，获得所述第一融合特征图，包括：
获得所述第一特征图的第三权重；
根据所述第一特征图、所述第一特征图的第三权重、对齐后的所述第二融合特征图，将对齐后的所述第二融合特征图与所述第一特征图进行融合，获得所述第一融合特征图。
7.根据权利要求1所述的方法，其中，还包括：
在所述当前视频帧的类型为关键帧的情况下，采用...
【专利技术属性】
技术研发人员：黄钊金，申晗，宫永超，黄李超，
申请(专利权)人：北京地平线信息技术有限公司，
类型：发明
国别省市：北京;11
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。