目标检测方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种目标检测方法、装置、计算机设备和存储介质。所述方法包括：获取目标图像以及模板图像；分别提取目标图像以及模板图像对应的自有特征信息；根据目标图像的自有特征信息以及模板图像的自有特征信息，得到目标图像和模板图像各自对应的匹配特征图；提取目标图像对应的匹配特征图中的待处理区域，根据待处理区域对应的特征生成第一特征向量，待处理区域为预测存在第一目标的第一区域；根据模板图像对应的匹配特征图生成第二特征向量；将第一特征向量和第二特征向量合并得到第三特征向量，根据第三特征向量判断所述目标图像中是否存在与模板图像对应的第二目标。采用本方法能够不依赖于深度学习模型，且提高新目标的检测准确性。

【技术实现步骤摘要】
目标检测方法、装置、计算机设备和存储介质
本申请涉及人工智能
，特别是涉及一种目标检测方法、装置、计算机设备和存储介质。
技术介绍
基于深度学习的目标检测技术在很多任务中取得了很好的效果，但其需要大量的训练数据做支撑，同时需要对每一张图片中的目标进行人工标注。传统地，当出现一个新的检测任务，而新的检测目标是原有标注数据中没有见过的类别，那么又需要耗费大量的人力对新目标进行标注，而包含新目标的数据少之又少，难以训练出有效的检测模型，从而使得新目标的检测准确性较低。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够不依赖于深度学习模型，且提高新目标的检测准确性的目标检测方法、装置、计算机设备和存储介质。一种目标检测方法，所述方法包括：获取目标图像以及模板图像；分别提取所述目标图像以及所述模板图像各自对应的自有特征信息，所述自有特征信息用于表征对应的所述目标图像或模板图像的自有特征信息；根据所述目标图像的自有特征信息以及所述模板图像的自有特征信息，得到所述目标图像和所述模板图像各自对应的匹配特征图，其中，所述目标图像对应的匹配特征图用于表征所述目标图像与所述模板图像进行融合后的融合的特征信息以及所述目标图像的自有特征信息；所述模板图像对应的匹配特征图用于表征所述模板图像与所述目标图像进行融合后的融合的特征信息以及所述模板图像对应的自有特征信息；提取所述目标图像对应的匹配特征图中的待处理区域，并根据所述待处理区域对应的特征生成第一特征向量，所述待处理区域为预测存在第一目标的第一区域；根据所述模板图像对应的匹配特征图生成第二特征向量；将所述第一特征向量和所述第二特征向量合并得到第三特征向量，并根据第三特征向量判断所述目标图像中是否存在与所述模板图像对应的第二目标。在其中一个实施例中，所述根据所述待处理区域对应的特征生成第一特征向量之后，还包括：根据所述第一特征向量对所述待处理区域进行位置修正得到第二区域；所述根据第三特征向量判断所述目标图像中是否存在与所述模板图像对应的第二目标，包括：根据第三特征向量，计算各个所述待处理区域存在与所述模板图像对应的第二目标的得分；根据所述得分对判断所述目标图像中是否存在与所述模板图像对应的第二目标的第二区域。在其中一个实施例中，包括至少两张所述模板图像，所述方法还包括：获取至少两张所述模板图像中的下一张，并继续分别提取所述目标图像以及所述模板图像各自对应的自有特征信息，以得到与新的模板图像对应的第二区域；对根据各个模板图像所得到的第二区域进行过滤处理，得到所述目标图像中存在目标的区域。在其中一个实施例中，所述模板图像包括边框位置和目标的边缘，所述边框位置与所述模板图像中的目标的边缘的位置的差值小于预设值。在其中一个实施例中，所述根据所述目标图像的自有特征信息以及所述模板图像的自有特征信息，得到所述目标图像和所述模板图像各自对应的匹配特征图，包括：将所述目标图像的自有特征信息以及所述模板图像的自有特征信息分别展开为二维矩阵；根据所得到的二维矩阵计算得到相关性矩阵；按照预设公式和所述相关性矩阵，分别计算所述目标图像和所述模板图像对应的匹配特征图。在其中一个实施例中，所述提取所述目标图像对应的匹配特征图中的待处理区域，包括：在所述目标图像对应的匹配特征图中生成初始检测框，并获取所述初始检测框在所述目标图像中的第一位置；根据所述第一位置，对所述初始检测框进行分类和回归处理；获取分类和回归处理后的初始检测框在所述目标图像对应的匹配特征图中的第二位置；根据所述第二位置从所述匹配特征图中截取出待处理检测框作为待处理区域。在其中一个实施例中，所述根据所述待处理区域对应的特征生成第一特征向量，包括：将所述待处理区域转换为固定尺寸；通过全连接层将固定尺寸的所述待处理区域进行线性映射得到第一特征向量。在其中一个实施例中，所述根据所述模板图像对应的匹配特征图生成第二特征向量，包括：通过全连接层将所述模板图像对应的匹配特征图进行线性映射得到第二特征向量。一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述的方法的步骤。一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的方法的步骤。上述目标检测方法、装置、计算机设备和存储介质，模板图像是新目标的样例图像，通过提取目标图像和模板图像的自有特征信息，然后根据自有特征信息相互融合计算得到匹配特征图，最后根据匹配特征图生成第一特征向量和第二特征向量，并对第一特征向量和第二特征向量进行向量融合后来判断目标图像中是否存在与模板图像对应的第二目标，这样当出现新目标，无需人工标注即可实现对该目标的检测，大大节省了人工标注成本，且不需要依赖根据标注量少的样本生成的深度学习模型，且提高新目标的检测准确性。附图说明图1为一个实施例中目标检测方法的流程示意图；图2为一个实施例中的基础特征提取模块的流程处理框图；图3为一个实施例中目标检测方法的流程处理框图；图4为图1所示实施例中的步骤S106的流程图；图5为另一个实施例中目标检测方法的流程示意图；图6为一个实施例中目标检测装置的结构框图；图7为一个实施例中计算机设备的内部结构图。具体实施方式为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。在一个实施例中，如图1所示，提供了一种目标检测方法，本实施例以该方法应用于终端进行举例说明，可以理解的是，该方法也可以应用于服务器，还可以应用于包括终端和服务器的系统，并通过终端和服务器的交互实现。本实施例中，该方法包括以下步骤：S102：获取目标图像以及模板图像。具体地，目标图像是可能存在新的目标的图像，即待处理图像。模板图像则是新的目标的模板图像，其中，该模板图像中可能存在一个或多个目标，但该些目标中至少包括一个新的目标。该模板图像可以是预先存储在模板库中的，其是待检测新目标的样例图像。模板图像可以是目标检测模型中见过的目标，也可以是没见过的，该模板库中的模板图像可以是一张或者是多张，且对应于一个目标的模板图像可以是一张或者是多张。且需要说明的是，模板图像的边框位置与模板图像中的目标的边缘的位置的差值小于预设值，以减少模板图像中的背景区域，例如让模板图像的边框尽可能接近目标的边缘，这样尽量保留较少的背景，可以得到更好的检测效果。具体地，假设存在多个目标，其中目标a、目标b以及目标c为原来的目标，目标d以及目标e为新的目标，则模板图像可以仅包括目标d，或者是出包括目标d外，还可以包括目标a、目标b、目标c以及目标e中的至少本文档来自技高网...

【技术保护点】
1.一种目标检测方法，其特征在于，所述方法包括：/n获取目标图像以及模板图像；/n分别提取所述目标图像以及所述模板图像各自对应的自有特征信息；/n根据所述目标图像的自有特征信息以及所述模板图像的自有特征信息，得到所述目标图像和所述模板图像各自对应的匹配特征图；其中，所述目标图像对应的匹配特征图用于表征所述目标图像与所述模板图像进行融合后的融合的特征信息以及所述目标图像的自有特征信息；所述模板图像对应的匹配特征图用于表征所述模板图像与所述目标图像进行融合后的融合的特征信息以及所述模板图像对应的自有特征信息；/n提取所述目标图像对应的匹配特征图中的待处理区域，并根据所述待处理区域对应的特征生成第一特征向量，所述待处理区域为预测存在第一目标的第一区域；/n根据所述模板图像对应的匹配特征图生成第二特征向量；/n将所述第一特征向量和所述第二特征向量合并得到第三特征向量，并根据第三特征向量判断所述目标图像中是否存在与所述模板图像对应的第二目标。/n

【技术特征摘要】
1.一种目标检测方法，其特征在于，所述方法包括：
获取目标图像以及模板图像；
分别提取所述目标图像以及所述模板图像各自对应的自有特征信息；
根据所述目标图像的自有特征信息以及所述模板图像的自有特征信息，得到所述目标图像和所述模板图像各自对应的匹配特征图；其中，所述目标图像对应的匹配特征图用于表征所述目标图像与所述模板图像进行融合后的融合的特征信息以及所述目标图像的自有特征信息；所述模板图像对应的匹配特征图用于表征所述模板图像与所述目标图像进行融合后的融合的特征信息以及所述模板图像对应的自有特征信息；
提取所述目标图像对应的匹配特征图中的待处理区域，并根据所述待处理区域对应的特征生成第一特征向量，所述待处理区域为预测存在第一目标的第一区域；
根据所述模板图像对应的匹配特征图生成第二特征向量；
将所述第一特征向量和所述第二特征向量合并得到第三特征向量，并根据第三特征向量判断所述目标图像中是否存在与所述模板图像对应的第二目标。


2.根据权利要求1所述的方法，其特征在于，所述根据所述待处理区域对应的特征生成第一特征向量之后，还包括：
根据所述第一特征向量对所述待处理区域进行位置修正得到第二区域；
所述根据第三特征向量判断所述目标图像中是否存在与所述模板图像对应的第二目标，包括：
根据第三特征向量，计算各个所述待处理区域存在与所述模板图像对应的第二目标的得分；
根据所述得分判断所述目标图像中是否存在与所述模板图像对应的第二目标的第二区域。


3.根据权利要求2所述的方法，其特征在于，包括至少两张所述模板图像所述模板图像，所述方法还包括：
获取至少两张所述模板图像中的下一张，并继续分别提取所述目标图像以及所述模板图像各自对应的自有特征信息，以得到与新的模板图像对应的第二区域；
对根据各个模板图像所得到的第二区域进行过滤处理，得到所述目标图像中存在目标的区域。


4.根据权利要求1至3任意一项所述的方法，其特征在于，所述模板图像包括...

【专利技术属性】
技术研发人员：牛寅，
申请(专利权)人：上海眼控科技股份有限公司，
类型：发明
国别省市：上海;31