一种物体位置检测方法、装置、设备和存储介质制造方法及图纸

本发明专利技术实施例公开了一种物体位置检测方法、装置、设备和存储介质，该方法包括：获取待检测的目标图像；对所述目标图像进行图像分割，获得所述目标图像对应的各个目标子图像；基于目标检测网络模型，对每个所述目标子图像进行目标物体的检测，确定每个所述目标子图像对应的目标检测结果；将所述目标图像对应的各个目标检测结果进行融合处理，确定所述目标物体对应的目标位置信息。通过本发明专利技术实施例的技术方案，对高分辨率图像检测时可以避免因缩放而导致漏检的情况，提高了物体位置检测的召回率及准确率。

【技术实现步骤摘要】
一种物体位置检测方法、装置、设备和存储介质
本专利技术实施例涉及计算机技术，尤其涉及一种物体位置检测方法、装置、设备和存储介质。
技术介绍
随着计算机技术的快速发展，可以自动检测识别出图像中的目标物体，获得目标物体的位置信息。目前，可以基于深度学习的目标检测网络模型对物体位置进行检测。例如，当待检测图像的分辨率远高于目标检测网络模型对应的输入图像分辨率时，需要对待检测图像进行较大程度地缩放，使得待检测图像的分辨率缩小至输入图像分辨率，再将缩放后的待检测图像输入至目标检测网络模型中进行物体位置检测。然而，较大程度地图像缩放后会丢失大量图像信息，从而会导致漏检的情况，并且大大降低了物体位置的检测准确度。
技术实现思路
本专利技术实施例提供了一种物体位置检测方法、装置、设备和存储介质，以在对高分辨率图像检测时提高物体位置检测的召回率和准确率。第一方面，本专利技术实施例提供了一种物体位置检测方法，包括：获取待检测的目标图像；对所述目标图像进行图像分割，获得所述目标图像对应的各个目标子图像；基于目标检测网络模型，对每个所述目标子图像进行目标物体的检测，确定每个所述目标子图像对应的目标检测结果；将所述目标图像对应的各个目标检测结果进行融合处理，确定所述目标物体对应的目标位置信息。第二方面，本专利技术实施例还提供了一种物体位置检测装置，包括：目标图像获取模块，用于获取待检测的目标图像；目标图像分割模块，用于对所述目标图像进行图像分割，获得所述目标图像对应的各个目标子图像；目标物体检测模块，用于基于目标检测网络模型，对每个所述目标子图像进行目标物体的检测，确定每个所述目标子图像对应的目标检测结果；目标位置信息确定模块，用于将所述目标图像对应的各个目标检测结果进行融合处理，确定所述目标物体对应的目标位置信息。第三方面，本专利技术实施例还提供了一种设备，所述设备包括：一个或多个处理器；存储器，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本专利技术任意实施例所提供的物体位置检测方法。第四方面，本专利技术实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本专利技术任意实施例所提供的物体位置检测方法。上述专利技术中的实施例具有如下优点或有益效果：通过对待检测的目标图像进行图像分割，获得目标图像对应的各个目标子图像，使得分割后获得的目标子图像可以满足目标检测网络模型的输入图像分辨率的要求，从而可以基于目标检测网络模型，对每个目标子图像进行目标物体的检测，确定出每个目标子图像对应的目标检测结果，并将目标图像对应的各个目标检测结果进行融合处理，确定出目标物体在目标图像中的目标位置信息，从而可以针对完整的目标图像进行目标物体的位置检测，避免因图像缩放而导致漏检的情况，大大提高了物体位置检测的召回率及准确率。附图说明图1是本专利技术实施例一提供的一种物体位置检测方法的流程图；图2是本专利技术实施例一所涉及的一种目标图像分割的示例；图3是本专利技术实施例二提供的一种物体位置检测方法的流程图；图4是本专利技术实施例二所涉及的一种无人机拍摄方式的示例；图5是本专利技术实施例三提供的一种物体位置检测装置的结构示意图；图6是本专利技术实施例四提供的一种设备的结构示意图。具体实施方式下面结合附图和实施例对本专利技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本专利技术，而非对本专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本专利技术相关的部分而非全部结构。实施例一图1为本专利技术实施例一提供的一种物体位置检测方法的流程图，本实施例可适用于对高分辨率的图像进行物体位置检测的情况，尤其是可以用于对无人机采集的图像进行物体位置检测的场景。该方法可以由物体位置检测装置来执行，该装置可以由软件和/或硬件的方式来实现，集成于具有数据处理功能的设备中。如图1所示，该方法具体包括以下步骤：S110、获取待检测的目标图像。其中，目标图像可以是指利用摄像头拍摄的高分辨率的图像。目标图像的图像分辨率高于目标检测网络模型可检测的图像分辨率。例如，利用无人机拍摄的目标图像的图像分辨率为4096×2160，目标检测网络模型可检测的图像分辨率为608×608。目标图像中可以包含目标物体图像，也可以不包含目标物体图像。若目标图像包含目标物品图像，则可以检测出目标物体在目标图像中的位置信息。具体地，可以利用高分辨率的摄像头对目标场景进行拍摄，获得清晰的高分辨率图像，作为待检测的目标图像，以提高目标物体检测的准确度。S120、对目标图像进行图像分割，获得目标图像对应的各个目标子图像。其中，目标子图像可以是指对目标图像分割后，获得的目标图像中的部分图像区域。目标子图像的数量可以为多个。每个目标子图像的尺寸可以相等，也可以不等，其可以基于具体业务需求进行设置。目标子图像的图像分辨率与目标检测网络模型可检测的图像分辨率相匹配，比如，目标子图像的图像分辨率等于目标检测网络模型可检测的图像分辨率，或者处于目标检测网络模型可检测的图像分辨率对应的预设范围内。具体地，可以基于目标图像的图像分辨率和目标检测网络模型可检测的图像分辨率，对目标图像进行均匀分割或者不均匀分割，将高分辨率的目标图像分割为分辨率合适的各个目标子图像，以便可以利用目标检测网络模型直接对每个目标子图像进行物体位置检测，避免因图像缩放导致图像信息丢失引起的漏检的情况。示例性地，S120可以包括：根据目标图像对应的目标图像分辨率信息和目标检测网络模型对应的输入图像分辨率信息，确定目标图像分割参数；根据目标图像分割参数，对目标图像进行图像分割，获得目标图像对应的各个目标子图像。其中，目标图像分辨率信息可以包括：目标图像分辨率的宽度信息和高度信息。输入图像分辨率信息可以包括：输入至目标检测网络模型的图像分辨率的宽度信息和高度信息。目标图像分割参数可以包括：在宽度方向上的目标图像分割次数和在高度方向上的目标图像分割次数。具体地，根据目标图像分割参数，可以对目标图像进行均匀分割或者不均匀分割，将高分辨率的目标图像分割为分辨率适宜的各个目标子图像。例如，可以基于在宽度方向上的目标图像分割次数，对目标图像进行宽度方向上的均匀分割，以及基于在高度方向上的目标图像分割次数，对目标图像进行高度方向上的均匀分割，从而获得尺寸大小相等的各个目标子图像，以便后续可以更加便捷地进行目标检测。S130、基于目标检测网络模型，对每个目标子图像进行目标物体的检测，确定每个目标子图像对应的目标检测结果。其中，目标物体可以是指任意需要识别的物体。目标物体可以为一种或多种。例如，在无人驾驶场景中，目标物体可以是指轿车、卡车、行人等不同种类型。目标检测网络模型可以是指预先训练好的，用于识别和定位目标物体的本文档来自技高网...

【技术保护点】
1.一种物体位置检测方法，其特征在于，包括：/n获取待检测的目标图像；/n对所述目标图像进行图像分割，获得所述目标图像对应的各个目标子图像；/n基于目标检测网络模型，对每个所述目标子图像进行目标物体的检测，确定每个所述目标子图像对应的目标检测结果；/n将所述目标图像对应的各个目标检测结果进行融合处理，确定所述目标物体对应的目标位置信息。/n

【技术特征摘要】
1.一种物体位置检测方法，其特征在于，包括：
获取待检测的目标图像；
对所述目标图像进行图像分割，获得所述目标图像对应的各个目标子图像；
基于目标检测网络模型，对每个所述目标子图像进行目标物体的检测，确定每个所述目标子图像对应的目标检测结果；
将所述目标图像对应的各个目标检测结果进行融合处理，确定所述目标物体对应的目标位置信息。


2.根据权利要求1所述的方法，其特征在于，对所述目标图像进行图像分割，获得所述目标图像对应的各个目标子图像，包括：
根据所述目标图像对应的目标图像分辨率信息和所述目标检测网络模型对应的输入图像分辨率信息，确定目标图像分割参数；
根据所述目标图像分割参数，对所述目标图像进行图像分割，获得所述目标图像对应的各个目标子图像。


3.根据权利要求2所述的方法，其特征在于，根据所述目标图像对应的目标图像分辨率信息和所述目标检测网络模型对应的输入图像分辨率信息，确定目标图像分割参数，包括：
根据所述目标图像对应的目标图像分辨率宽度信息和所述目标检测网络模型对应的输入图像分辨率宽度信息，确定宽度方向上的目标图像分割次数；
根据所述目标图像对应的目标图像分辨率高度信息和所述目标检测网络模型对应的输入图像分辨率高度信息，确定高度方向上的目标图像分割次数。


4.根据权利要求2所述的方法，其特征在于，根据所述目标图像分割参数，对所述目标图像进行图像分割，获得所述目标图像对应的各个目标子图像，包括：
根据所述目标物体的尺寸信息确定重叠区域信息；
基于所述目标图像分割参数和所述图像重叠区域信息，确定图像分割位置；
基于所述图像分割位置，对所述目标图像进行图像分割，获得所述目标图像对应的各个目标子图像。


5.根据权利要求1所述的方法，其特征在于，将所述目标图像对应的各个目标检测结果进行融合处理，确定所述目标物体对应的目标位置信息，包括：
基于所述目标图像对应的每个目标检测结果，获取目标物体在相应的目标子图像中的第一位置信息；
根据所述目标子图像中的参考像素点在所述目标图像中的第二位置信息，对所述目...

【专利技术属性】
技术研发人员：顾会建，戴一凡，王宝宗，史宏涛，路萍，章烨，
申请(专利权)人：清华大学苏州汽车研究院吴江，清华大学，
类型：发明
国别省市：江苏;32