目标对象的检测方法和装置、存储介质及电子装置制造方法及图纸

本发明专利技术公开了一种目标对象的检测方法和装置、存储介质及电子装置。其中，该方法包括：获取包含了目标对象的图像；将获取到的图像输入到卷积网络模型，得到图像对应的N个检测框和N个检测框的N个第一评分值；其中，N个检测框包括：包含了目标对象的检测框；其中，N为大于0的整数；确定目标对象在每个N个检测框中的概率，得到N个检测框的N个颜色特征概率，根据N个颜色特征概率确定N个第二评分值；根据N个第一评分值和N个第二评分值确定N个检测框的N个目标评分值，根据目标对象的检测框对目标对象进行检测，其中，目标对象的检测框为N个目标评分值中评分最高的值对应的检测框。

【技术实现步骤摘要】
目标对象的检测方法和装置、存储介质及电子装置
本专利技术涉及计算机领域，具体而言，涉及一种目标对象的检测方法和装置、存储介质及电子装置。
技术介绍
目前，在进行目标对象的检测时，需要通过目标对象的检测框来检测目标对象图像。例如，通过仅利用深度学习或机器学习算法的目标对象的检测算法直接生成目标对象的检测框，但是，目标检测算法存在缺乏分辨目标与背景的判别能力，通过这种方法生成的矩形检测框中一般都会存在部分背景信息，常常会将与目标特征相似的背景区域误判为目标对象。因此，针对相关技术中，在进行目标对象的检测时，存在目标对象的检测准确率低的问题。
技术实现思路
本专利技术实施例提供了一种目标对象的检测方法和装置、存储介质及电子装置，以至少解决相关技术中在进行目标对象的检测时，存在目标对象的检测准确率低的技术问题。根据本专利技术实施例的一个方面，提供了一种目标对象的检测方法，包括：获取包含了目标对象的图像；将获取到的图像输入到卷积网络模型，得到图像对应的N个检测框和N个检测框的N个第一评分值；其中，N个检测框包括：包含了目标对象的检测框；其中，N为大于0的整数；确定目标对象在每个N个检测框中的概率，得到N个检测框的N个颜色特征概率，根据N个颜色特征概率确定N个第二评分值；根据N个第一评分值和N个第二评分值确定N个检测框的N个目标评分值，根据目标对象的检测框对目标对象进行检测，其中，目标对象的检测框为N个目标评分值中评分最高的值对应的检测框。根据本专利技术实施例的另一方面，还提供了一种目标对象的检测装置，包括：第一获取单元，用于获取包含了目标对象的图像；第一处理单元，用于将获取到的图像输入到卷积网络模型，得到图像对应的N个检测框和N个检测框的N个第一评分值；其中，N个检测框包括：包含了目标对象的检测框；其中，N为大于0的整数；第一确定单元，用于确定目标对象在每个N个检测框中的概率，得到N个检测框的N个颜色特征概率，根据N个颜色特征概率确定N个第二评分值；第二处理单元，用于根据N个第一评分值和N个第二评分值确定N个检测框的N个目标评分值，根据目标对象的检测框对目标对象进行检测，其中，目标对象的检测框为N个目标评分值中评分最高的值对应的检测框。根据本专利技术实施例的又一方面，还提供了一种计算机可读的存储介质，该计算机可读的存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述目标对象的检测方法。根据本专利技术实施例的又一方面，还提供了一种电子装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，上述处理器通过计算机程序执行上述的目标对象的检测方法。在本专利技术实施例中，获取包含了目标对象的图像，然后将该图像输入到卷积神经网络中，能够得到包含目标对象的N个检测框，以及该N个检测框的N个第一评分值，进而确定目标对象在N个检测框中的每个检测框中的概率，得到N个检测框的N个颜色特征概率，根据该N个颜色特征概率确定N个第二评分值，最后通过N个第一评分值和N个第二评分值确定N个目标评分值，并通过N个目标评分值中评分最高的值对应的目标对象的检测框检测目标对象。达到了在检测目标对象时，通过N个第一评分值和N个第二评分值确定N个目标评分值，以及将N个目标评分值中评分值最高的值对应的检测框来检测目标对象，从而实现了通过最优化的检测框检测目标对象，提高检测目标对象的准确度的技术效果，进而解决了相关技术中在进行目标对象的检测时，存在目标对象的检测准确率低的技术问题。附图说明此处所说明的附图用来提供对本专利技术的进一步理解，构成本申请的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：图1是根据本专利技术实施例的一种目标对象的检测方法的应用环境的示意图；图2是根据本专利技术实施例的一种可选的目标对象的检测方法的流程示意图；图3是根据本专利技术实施例的一种可选的终端设备的各个模块的结构示意图；图4是根据本专利技术实施例的一种可选的确定颜色特征概率的方法的流程示意图；图5是根据本专利技术实施例的一种可选的确定目标评分值的方法的流程示意图；图6是根据本专利技术实施例的一种可选的目标对象的检测装置的结构示意图；图7是根据本专利技术实施例的一种可选的电子装置的结构示意图。具体实施方式为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。根据本专利技术实施例的一个方面，提供了一种目标对象的检测方法。可选地，上述目标对象的检测方法可以但不限于应用于如图1所示的应用环境中。如图1所示，终端设备102获取包含了目标对象的图像，并将该图像通过网络发送给服务器104。服务器104接收到包含了目标对象的图像之后，将获取到的图像输入到卷积网络模型，得到图像对应的N个检测框和N个检测框的N个第一评分值；其中，N个检测框包括：包含了目标对象的检测框；其中，N为大于0的整数；确定目标对象在每个N个检测框中的概率，得到N个检测框的N个颜色特征概率，根据N个颜色特征概率确定N个第二评分值；根据N个第一评分值和N个第二评分值确定N个检测框的N个目标评分值，根据目标对象的检测框对目标对象进行检测，其中，目标对象的检测框为N个目标评分值中评分最高的值对应的检测框。以上仅为一种示例，本申请实施例在此不作限定。或者，在终端设备102获取包含了目标对象的图像之后，终端设备102将获取到的图像输入到卷积网络模型，得到图像对应的N个检测框和N个检测框的N个第一评分值；其中，N个检测框包括：包含了目标对象的检测框；其中，N为大于0的整数；确定目标对象在每个N个检测框中的概率，得到N个检测框的N个颜色特征概率，根据N个颜色特征概率确定N个第二评分值；根据N个第一评分值和N个第二评分值确定N个检测框的N个目标评分值，根据目标对象的检测框对目标对象进行检测，其中，目标对象的检测框为N个目标评分值中评分最高的值对应的检测框。以上仅为一种示例，本实施例对此不做任何限定。可选地，在本实施例中，上述目标对象可以理解为具有某种特定特征的目标，例如人脸、动物头部等等，在此不作唯一性限定。可选地，本文档来自技高网...

【技术保护点】
1.一种目标对象的检测方法，其特征在于，包括：/n获取包含了目标对象的图像；/n将获取到的所述图像输入到卷积网络模型，得到所述图像对应的N个检测框和所述N个检测框的N个第一评分值；其中，所述N个检测框包括：包含了所述目标对象的检测框；其中，所述N为大于0的整数；/n确定所述目标对象在每个所述N个检测框中的概率，得到所述N个检测框的N个颜色特征概率，根据所述N个颜色特征概率确定N个第二评分值；/n根据所述N个第一评分值和所述N个第二评分值确定所述N个检测框的N个目标评分值，根据目标对象的检测框对所述目标对象进行检测，其中，所述目标对象的检测框为所述N个目标评分值中评分最高的值对应的检测框。/n

【技术特征摘要】
1.一种目标对象的检测方法，其特征在于，包括：
获取包含了目标对象的图像；
将获取到的所述图像输入到卷积网络模型，得到所述图像对应的N个检测框和所述N个检测框的N个第一评分值；其中，所述N个检测框包括：包含了所述目标对象的检测框；其中，所述N为大于0的整数；
确定所述目标对象在每个所述N个检测框中的概率，得到所述N个检测框的N个颜色特征概率，根据所述N个颜色特征概率确定N个第二评分值；
根据所述N个第一评分值和所述N个第二评分值确定所述N个检测框的N个目标评分值，根据目标对象的检测框对所述目标对象进行检测，其中，所述目标对象的检测框为所述N个目标评分值中评分最高的值对应的检测框。


2.根据权利要求1所述的方法，其特征在于，所述图像包括所述目标对象对应的图像区域、背景区域，所述确定所述目标对象在每个所述N个检测框中的概率，得到所述N个检测框的N个颜色特征概率，包括：
通过贝叶斯定理分离所述图像的所述图像区域和所述背景区域，得到所述图像区域的第一颜色特征和所述背景区域的第二颜色特征，其中，所述背景区域用于表示区域大小为所述图像区域预设倍数的区域，且所述图像区域在所述背景区域内；
根据所述第一颜色特征和所述第二颜色特征确定所述目标对象在每个所述N个检测框中的概率，得到所述N个颜色特征概率。


3.根据权利要求2所述的方法，其特征在于，所述根据所述第一颜色特征和所述第二颜色特征确定所述目标对象在每个所述N个检测框中的概率，得到所述N个颜色特征概率，包括：
将所述第一颜色特征和所述第二颜色特征之和确定为第三颜色特征，将所述第一颜色特征和所述第三颜色特征的比值确定所述目标对象在每个所述N个检测框中的概率，得到所述N个颜色特征概率，其中，所述N个颜色特征概率中的一个颜色特征概率包括一组概率值，所述一组概率值中的一个概率值用于表示所述目标对象中的一个像素属于所述N个检测框中一个检测框的全部像素的概率值。


4.根据权利要求3所述的方法，其特征在于，在所述将所述第一颜色特征和所述第二颜色特征之和确定为第三颜色特征，将所述第一颜色特征和所述第三颜色特征的比值确定所述目标对象在每个所述N个检测框中的概率，得到所述N个颜色特征概率之后，所述方法还包括：
对于所述N个颜色特征概率中的一个颜色特征概率，所述N个检测框中的一个检测框，其中，所述N个颜色特征概率与所述N个检测框一一对应：
将所述一个检测框的全部像素的像素个数之和确定为n；
将...

【专利技术属性】
技术研发人员：李璐一，
申请(专利权)人：浙江大华技术股份有限公司，
类型：发明
国别省市：浙江;33