【技术实现步骤摘要】
一种密集型目标检测计量方法
本专利技术涉及图像识别
，特别是涉及一种密集型目标检测计量方法。
技术介绍
密集型目标检测任务，相较于一般目标检测任务，难点在于图像中物体数量非常庞大，少则几十，多则几百。物体紧紧依靠在一起，需要对一般目标检测方法进行特定的调整。以全景货架识别为例，全景货架识别为拍摄多层(4层及以上，高在2.5m及以下)货架，利用深度学习方法识别货架上的商品类别和定位。在全景货架场景下，前排货物将近100+个商品紧密分布在一起，同时还是同类商品、相同颜色紧密连在一起。在这种场景下，使用摄像头拍摄出来的图像，会有商品成像面积过小、密度大、尺寸不一、类别数不胜数的情况，大大增加识别难度。目前，密集型目标检测任务，主要还是使用目标检测识别方法，由于密集型目标有数量繁多，密度大、成像面积小的特性，一般都会加上业务限制，比如：在全景货架中，有的是只使用一个摄像头，先识别每排货架区域，再识别货架区域里面的商品；在人流检测中，增设多个摄像头，拍摄每个独立区域，进而识别每个区域的行人。然而，现有技术中，通常使用一般的目标检...
【技术保护点】
1.一种密集型目标检测计量方法，其特征在于：包括以下步骤：/n将待检测的原始图像输入密集型目标检测模型；/n密集型目标检测模型对原始图像中的目标区域进行定位，然后输出目标区域的边界框；/n根据目标区域的边界框，对原始图像进行剪裁，得到目标图像及目标图像的定位信息，并将目标图像输入分类模型；/n分类模型对目标图像进行图像分类，得到目标图像的类别信息；/n将目标图像的定位信息及其类别信息整合，过滤目标图像中的冗余图像，得到密集型目标的定位信息和类别信息。/n
【技术特征摘要】
1.一种密集型目标检测计量方法，其特征在于：包括以下步骤：
将待检测的原始图像输入密集型目标检测模型；
密集型目标检测模型对原始图像中的目标区域进行定位，然后输出目标区域的边界框；
根据目标区域的边界框，对原始图像进行剪裁，得到目标图像及目标图像的定位信息，并将目标图像输入分类模型；
分类模型对目标图像进行图像分类，得到目标图像的类别信息；
将目标图像的定位信息及其类别信息整合，过滤目标图像中的冗余图像，得到密集型目标的定位信息和类别信息。
2.根据权利要求1所述的一种密集型目标检测计量方法，其特征在于：所述密集型目标检测模型的训练步骤如下：
向分类网络输入训练数据集，然后对分类网络进行训练，得到分类模型；
对RetinaNet目标检测模型进行调整，然后将分类模型组合到调整后的RetinaNet目标检测模型中；
向调整后的RetinaNet目标检测模型输入不紧密分布的目标检测数据，然后对调整后的RetinaNet目标检测模型进行训练，得到RetinaNet基础模型；
向RetinaNet基础模型输入密集型目标检测数据，然后对RetinaNet基础模型进行训练，得到密集型目标检测模型。
3.根据权利要求2所述的一种密集型目标检测计量方法，其特征在于：分类网络为ResNet-50分类网络，训练数据集为ImageNet数据集。
4.根据权利要求2所述的一种密集型目标检测计量方法，其特征在于：向调整后的RetinaNet目标检测模型输入不紧密分布的目标检测数据、向RetinaNet基础模型输入密集型目标检测数据后，均对目标检测数据进行数据增强处理。
5.根据权利要求4所述的一种密集型目标检测计量方法，其特征在于：对RetinaNet目标检测模型进行调整的步骤如下：
使用RetinaNet基础网络生成特征图P3-特征图P7；
RetinaNet目标检测模型根据特征图P3-特征图P7生成对应的候选框(x1,y1,w1,h1)，其中，(x1,y1)为候选框的像素坐标，h1为候选框的高，w1为候选框的宽；
将特征图P3-特征图P4生成的候选框设置为第一候选框组，将特征图P...
【专利技术属性】
技术研发人员：孙永海，卢炬康，周敏仪，
申请(专利权)人：广州众聚智能科技有限公司，
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。