目标检测方法、装置、电子设备及可读存储介质制造方法及图纸

本申请提供一种目标检测方法、装置、电子设备及可读存储介质。方法包括：从监控视频中获取第一图像；通过滤波算法对第一图像进行预处理得到第二图像，使得第二图像的图像特征强度大于第一图像的图像特征强度；从监控视频对应的参考图像序列确定目标参考图像，根据目标参考图像及第二图像，判断第二图像中是否包括存在运动目标的图区；将从第二图像中检测到的运动目标图区输入经过预训练的深度学习模型，得到深度学习模型检测的第二图像的检测结果。在本方案中，通过对获取的图像进行预处理，增强图像细节特征，再确定存在运动目标的图区，使得在深度学习模型对预处理后的图像进行检测时，可以提高对运动目标检测的准确度。

Target detection method, device, electronic equipment and readable storage medium

【技术实现步骤摘要】
目标检测方法、装置、电子设备及可读存储介质
本专利技术涉及图像处理
，具体而言，涉及一种目标检测方法、装置、电子设备及可读存储介质。
技术介绍
在工作或生活中，存在很多的利用肉眼检测目标的场景，这类目标可以是人或物体。例如，通过人眼检测电网作业环境下的工作人员是否佩戴安全帽。随着计算机视觉技术的发展，肉眼检测目标的方式可以通过电子设备来替代，由电子设备通过图像处理技术进行目标检测。然而，电子设备受限于所使用的图像处理技术的能力与方式，存在对目标检测不准确的情况。
技术实现思路
本申请提供一种目标检测方法、装置、电子设备及可读存储介质，能够改善对目标检测不准确的问题。为了实现上述目的，本申请实施例所提供的技术方案如下所示：第一方面，本申请实施例提供一种目标检测方法，应用于电子设备，所述方法包括：从监控视频中获取第一图像；通过滤波算法对所述第一图像进行预处理得到第二图像，所述第二图像的图像特征强度大于所述第一图像的图像特征强度；从所述监控视频对应的参考图像序列确定目标参考图像；...

【技术保护点】
1.一种目标检测方法，其特征在于，应用于电子设备，所述方法包括：/n从监控视频中获取第一图像；/n通过滤波算法对所述第一图像进行预处理得到第二图像，所述第二图像的图像特征强度大于所述第一图像的图像特征强度；/n从所述监控视频对应的参考图像序列确定目标参考图像；/n根据所述目标参考图像及所述第二图像，判断所述第二图像中是否包括存在运动目标的图区；/n当所述第二图像中包括存在所述运动目标的图区时，将所述第二图像中存在所述运动目标的图区输入经过预训练的深度学习模型，得到所述深度学习模型检测所述第二图像的检测结果。/n

【技术特征摘要】
1.一种目标检测方法，其特征在于，应用于电子设备，所述方法包括：
从监控视频中获取第一图像；
通过滤波算法对所述第一图像进行预处理得到第二图像，所述第二图像的图像特征强度大于所述第一图像的图像特征强度；
从所述监控视频对应的参考图像序列确定目标参考图像；
根据所述目标参考图像及所述第二图像，判断所述第二图像中是否包括存在运动目标的图区；
当所述第二图像中包括存在所述运动目标的图区时，将所述第二图像中存在所述运动目标的图区输入经过预训练的深度学习模型，得到所述深度学习模型检测所述第二图像的检测结果。


2.根据权利要求1所述的方法，其特征在于，通过滤波算法对所述第一图像进行预处理得到第二图像，包括：
通过光滑滤波算法及锐化滤波算法对经过灰度处理后的所述第一图像处理得到所述第二图像，其中，所述光滑滤波算法包括：



所述锐化滤波算法包括：



式中，x1为所述第一图像中的像素点的特征值，y1为所述像素点光滑处理后的特征值，x2为光滑处理后的像素点的特征值，y2为所述光滑处理后的像素点经过锐化处理后的特征值，k为光滑化参数，N为大于或等于1的整数；l为锐化参数。


3.根据权利要求1所述的方法，其特征在于，在将所述第二图像中存在所述运动目标的图区输入经过预训练的深度学习模型之前，所述方法还包括：
获取训练图像集，所述训练图像集包括多个存在指定目标的图像及多个未存在所述指定目标的图像；
通过所述训练图像集训练深度学习模型，得到用于识别图像中是否存在指定目标的深度学习模型。


4.根据权利要求3所述的方法，其特征在于，所述方法还包括：
将所述第一图像或第二图像作为所述训练图像集中的图像，并训练所述深度学习模型。


5.根据权利要求1所述的方法，其特征在于，根据所述目标参考图像及所述第二图像，判断所述第二图像中是否存在运动目标的图区，包括：
计算所述目标参考图像与所述第二图像中位置相对应的像...

【专利技术属性】
技术研发人员：贺苏宁，刘德凯，周庆，
申请(专利权)人：华雁智能科技集团股份有限公司，
类型：发明
国别省市：四川;51