【技术实现步骤摘要】
利用MaskR-CNN选择检测框的方法、装置及存储介质
本专利技术涉及图像识别
，尤其涉及一种利用MaskR-CNN选择检测框的方法、装置及存储介质。
技术介绍
基于视频的运动人体检测和跟踪被广泛应用于银行、火车站等对安全要求较高的人员密集场所的监控中。而实时场景的人体跟踪比较复杂，存在背景变化、遮挡等其他干扰因素，难以同时满足检测的准确性、鲁棒性和实时性的要求。目前的人体检测和跟踪方法是通过矩形搜索框来实现的。存在弊端如下：1、搜索框通过IOU进行评价检测结果，即使符合IOU指标的搜索框，仍存在干扰图像；2、目前搜索框的检测目标分类仅限于大类，比如人或者动物；而对于细节分类，比如男和女或者老和少无法进一步区分；3、复杂背景下对人体进行检测时，受周围环境影响较大；比如当行人所穿的衣服颜色与背景着色相似或者背景光线变化较大时，很难从背景中分割出运动的人体；4、当场景中有“影子”、“镜子”存在时，增加了搜索框中特征的复杂程度，干扰搜索框的检测，会造成“镜子中的人像是人”或者“影子区域...
【技术保护点】
1.一种利用Mask R-CNN选择检测框的方法，应用于电子装置，其特征在于，所述方法包括：/n使用Mask R-CNN对目标图像进行实例分割，获得矩形的候选检测框以及与所述候选检测框对应的多边形轮廓；/n分别计算所述候选检测框和所述多边形轮廓的IOU值；当所述候选检测框的IOU值大于第一预设阈值IOU
【技术特征摘要】
1.一种利用MaskR-CNN选择检测框的方法，应用于电子装置，其特征在于，所述方法包括：
使用MaskR-CNN对目标图像进行实例分割，获得矩形的候选检测框以及与所述候选检测框对应的多边形轮廓；
分别计算所述候选检测框和所述多边形轮廓的IOU值；当所述候选检测框的IOU值大于第一预设阈值IOU1，且所述多边形轮廓的IOU值大于第二预设阈值IOU2时，筛选出所述候选检测框作为目标检测框；其中，所述第二预设阈值IOU2大于第一预设阈值IOU1。
2.根据权利要求1所述的利用MaskR-CNN选择检测框的方法，其特征在于，计算所述多边形轮廓的IOU值包括，通过二维数组映射编码方法计算所述多边形轮廓的IOU值；
其中所述二维数组映射编码方法包括：
将所述多边形轮廓与其预测框分别映射至一个预先被线段组合分割的平面模板上，其中，所述线段组合将所述平面模板分割成等大的分割块；
将多边形轮廓和其预测框的映射结果分别对应至与所述平面模板等大的二值图上，将每个分割块表示为二维数组的映射编码(A，B)形式；其中，分割块对应多边形轮廓的编码状态赋值为A，分割块对应预测框的编码状态赋值为B；
当所述分割块位于所述多边形轮廓内时A＝1，所述分割块位于所述多边形轮廓外时A＝0；当所述分割块位于所述预测框内时B＝1，所述分割块位于所述预测框外时B＝0；
通过统计分割块的编码，求取IOU值；其中，IOU＝编码为(1，1)的分割块的数量/[编码为(1，0)的分割块数量+编码为(0，1)的分割块数量+编码为(1，1)分割块数量]。
3.根据权利要求1所述的利用MaskR-CNN选择检测框的方法，其特征在于，计算所述多边形轮廓的IOU值包括，对通过交并集面积方法计算所述多边形轮廓的IOU值；
其中所述交并集面积方法包括：
获得所述多边形轮廓与其预测框的关键点，并对所述关键点进行标注，其中关键点包括所述多边形轮廓与其预测框的各顶点以及所述多边形轮廓与其预测框的各交点；
将所述交点以及交点内部的点，通过排序构成交集多边形的点集；
计算多边形轮廓及其预测框的面积、交集多边形的面积，并根据所述多边形轮廓及其预测框的面积、交集多边形的面积计算出多边形轮廓的IOU值，IOU＝交集多边形的面积/(多边形轮廓面积+预测框面积-交集多边形面积)。
4.根据权利要求1所述的利用MaskR-CNN选择检测框的方法，其特征在于，所述第一预设阈值IOU1以及所述第二预设阈值IOU2的取值范围均为0.5-0.7。
5.根据权利要求2所述的利用MaskR-CNN选择检测框的方法，其特征在于，在所述筛选出所述候选检测框...
【专利技术属性】
技术研发人员：陈欣，
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
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。