一种目标检测方法、介质及系统技术方案

本发明专利技术公开一种目标检测方法、介质及系统。该方法包括：分别通过相机和雷达同步采集待检测目标的图像和雷达三维数据；根据采集的所述图像，得到所述图像对应的像素矩阵；根据采集的所述雷达三维数据，得到所述雷达三维数据对应的深度矩阵；拼接所述像素矩阵和所述深度矩阵，得到融合矩阵；将所述融合矩阵输入目标检测卷积网络中，输出目标检测结果矩阵；对所述目标检测结果矩阵进行非极大值抑制处理，得到目标检测结果；其中，所述目标检测结果包括待检测目标的位置、置信度和分类。本发明专利技术降低误检率，提高检测效率，对光照、相机的运动模糊、目标遮挡、低分辨率的小目标的检测具有较强的鲁棒性。

【技术实现步骤摘要】
一种目标检测方法、介质及系统
本专利技术涉及目标检测
，尤其涉及一种目标检测方法、介质及系统。
技术介绍
在基于图像的目标检测中，传统的做法是对单张图片应用普通深度神经网络结构进行目标兴趣区域的定位和识别分类，该方式检测准确率和误检率都不够理想，尤其是对小目标、被遮挡的目标、模糊图像以及光照过暗和过强图像的检测。由于单幅图像只能提供某一时刻二维图像平面的像素信息，其受光照、分辨率、方法倍数、相机聚焦与运动的影响较大，这导致了检测准确率的下降和误检率的升高。
技术实现思路
本专利技术实施例提供了一种目标检测方法、介质及系统，以解决现有技术采用单幅图像只能提供某一时刻二维图像平面的像素信息导致检测准确率下降和误检率升高的问题。第一方面，提供一种目标检测方法，包括：分别通过相机和雷达同步采集待检测目标的图像和雷达三维数据；根据采集的所述图像，得到所述图像对应的像素矩阵；根据采集的所述雷达三维数据，得到所述雷达三维数据对应的深度矩阵；拼接所述像素矩阵和所述深度矩阵，得到融合矩阵；将所述融合矩阵输入目标检测卷积网络中，输出目标检本文档来自技高网...

【技术保护点】
1.一种目标检测方法，其特征在于，包括：/n分别通过相机和雷达同步采集待检测目标的图像和雷达三维数据；/n根据采集的所述图像，得到所述图像对应的像素矩阵；/n根据采集的所述雷达三维数据，得到所述雷达三维数据对应的深度矩阵；/n拼接所述像素矩阵和所述深度矩阵，得到融合矩阵；/n将所述融合矩阵输入目标检测卷积网络中，输出目标检测结果矩阵；/n对所述目标检测结果矩阵进行非极大值抑制处理，得到目标检测结果；/n其中，所述目标检测结果包括待检测目标的位置、置信度和分类。/n

【技术特征摘要】
1.一种目标检测方法，其特征在于，包括：
分别通过相机和雷达同步采集待检测目标的图像和雷达三维数据；
根据采集的所述图像，得到所述图像对应的像素矩阵；
根据采集的所述雷达三维数据，得到所述雷达三维数据对应的深度矩阵；
拼接所述像素矩阵和所述深度矩阵，得到融合矩阵；
将所述融合矩阵输入目标检测卷积网络中，输出目标检测结果矩阵；
对所述目标检测结果矩阵进行非极大值抑制处理，得到目标检测结果；
其中，所述目标检测结果包括待检测目标的位置、置信度和分类。


2.根据权利要求1所述的目标检测方法，其特征在于：所述目标检测卷积网络由依次连接的骨干网络Backbone、颈部网络Neck和头部网络Head组成；
其中，所述骨干网络Backbone采用Light-DenseNet网络，所述Light-DenseNet网络由依次连接的第一预设数量的DenseBlock模块形成，所述颈部网络Neck由依次连接的第一预设数量的SPPNet网络形成，所述头部网络Head采用第一预设数量的Yolov3网络的检测头Detecting-Head，且每级DenseBlock模块的输出连接每级SPPNet网络的输入，每级SPPNet网络的输出连接每一Yolov3网络的检测头Detecting-Head的输入。


3.根据权利要求2所述的目标检测方法，其特征在于，所述输出目标检测结果矩阵的步骤包括：
所述融合矩阵输入所述Light-DenseNet网络，所述Light-DenseNet网络的每级所述DenseBlock模块输出每级对应的第一矩阵；
每级对应的所述第一矩阵与上一级所述SPPNet网络输出的第二矩阵一起输入每级所述SPPNet网络，输出每级对应的第二矩阵；
每级对应的第二矩阵分别输入每一所述Yolov3网络的检测头Detecting-Head，输出目标检测结果矩阵。


4....

【专利技术属性】
技术研发人员：赵欣洋，叶涛，秦有苏，杨晨，陆洪建，安燕杰，陈昊阳，尹琦云，
申请(专利权)人：国网宁夏电力有限公司检修公司，
类型：发明
国别省市：宁夏;64