一种目标检测方法及装置制造方法及图纸

本申请公开了一种目标检测方法及装置，其中方法包括：获取目标图像上多个边界框及所述多个边界框的得分，所述得分用于表征所述边界框中包含目标对象的置信度；对所述目标图像进行划分得到多个网格，并确定所述多个边界框所属的网格；遍历所述多个边界框，计算参考边界框与相邻边界框的重叠度，并根据所述重叠度得到目标边界框；根据所述目标边界框的得分确定目标检测结果。本申请实施例通过对目标图像进行网格划分，确定边界框归属的网格，然后根据网格之间的相邻关系确定边界框的相邻关系，使得在进行NMS算法运算时，只需要计算参考边界框与相邻边界框的重叠度，有效降低NMS的时间复杂度，提升了目标检测效率。提升了目标检测效率。提升了目标检测效率。

【技术实现步骤摘要】
一种目标检测方法及装置


[0001]本申请涉及图像处理领域，尤其涉及一种目标检测方法及装置。

技术介绍

[0002]随着深度学习和计算机视觉的快速发展，相关技术已经在诸多领域广泛应用。目标检测(Object Detection)作为图像处理中的重要一环，其任务是找出图像中所有感兴趣的目标(物体)，确定它们的位置和大小，是机器视觉领域的核心问题之一。
[0003]在采用深度学习方法进行目标检测时，可以包含两个步骤，首先在目标图像上生成边界框(bounding box,bbox)以及边界框得分，其中边界框得分值越高，bbox框中的物体是目标物体的概率也越大；筛选出边界框得分满足预设条件的高分边界框，确定高分边界框中的物体为需要识别的目标物体。
[0004]在这个过程中，为了避免目标漏检，在生成bbox框时，bbox框的位置排布会比较密，因此会导致在同一个目标物体上出现多个框，为了从众多重叠框中选出最优框，非极大值抑制(Non-Maximum Suppression,NMS)算法被引入，通过交并比(Intersection Over Union,IOU)计算筛选掉与高得分边界框重叠的低得分框，得出目标物体上的最优框。
[0005]但是，NMS算法中每个被选取的高得分框都要与得分低于自身的所有低得分框做IOU计算，最坏情况下算法复杂度为O(N^2)，所以当bbox框的个数增多时，耗时会幂次倍增加，NMS耗时增加会导致检测帧率降低，严重影响算法检测效果。

技术实现思路

[0006]本申请实施例提供一种目标检测方法及装置，采用本申请实施例的方案能够通过对目标图像进行网格划分，确定边界框归属的网格，然后根据网格之间的相邻关系确定边界框的相邻关系，使得在进行NMS算法运算时，只需要计算参考边界框与相邻边界框的重叠度，有效降低NMS的时间复杂度，提升目标检测效率。
[0007]第一方面，本申请实施例提供一种目标检测方法，该方法包括：获取目标图像上多个边界框及该多个边界框的得分，该得分用于表征该边界框中包含目标对象的置信度；对该目标图像进行划分得到多个网格，并确定该多个边界框所属的网格；遍历该多个边界框，计算参考边界框与相邻边界框的重叠度，并根据该重叠度得到目标边界框；该参考边界框为该多个边界框中的任一个，该相邻边界框包括属于目标网格的边界框以及属于该目标网格的相邻网格的边界框，该目标网格为述参考边界框所属的网格，该相邻边界框不包括该参考边界框；根据该目标边界框的得分确定目标检测结果。
[0008]在本申请实施例中，对目标图像进行划分得到多个网格；根据网格划分结果确定多个边界框对应的相邻边界框；然后遍历多个边界框，计算获得多个边界框中未被相邻边界框抑制的目标边界框，最后根据目标边界框的得分确定目标检测结果。在这个过程中，通过确定多个边界框所属网格，进而确定边界框的相邻边界框，使得在遍历边界框时，只需要计算边界框与相邻边界框的重叠度，极大减少了数据处理量，提升了数据处理效率，进而提
升了目标检测效率。
[0009]在一个可选的示例中，在遍历多个边界框之前，该方法还包括：按照该边界框的得分大小对该边界框进行排序，获得该边界框对应的排序编号。
[0010]在本申请实施例中，对多个边界框按照得分大小进行排序获得边界框对应的排序编号，使得在后续对边界框进行遍历时按照排序编号依次进行，在计算参考边界框与相邻边界框的重叠度时，可以只考虑排序编号大于或小于参考边界框的相邻边界框，减少了数据处理量，进一步提升了目标检测的效率。
[0011]在一个可选的示例中，按照该边界框的得分大小对该边界框进行排序，具体包括：按照得分大小对该边界框进行降序排序，得分越小的边界框对应的排序编号越大。
[0012]在一个可选的示例中，遍历多个边界框，计算参考边界框与相邻边界框的重叠度，得到目标边界框，包括：获取该多个边界框中的排序编号为i的边界框作为参考边界框，同时获取其标识位；在该参考边界框的标识位为第一标识值的情况下，获取该参考边界框的相邻边界框，并判定该相邻边界框的排序编号是否大于i；在确定该相邻边界框的排序编号大于i的情况下，计算该参考边界框与该相邻边界框的交并比；在该交并比大于预设阈值的情况下，将该相邻边界框的标识位置为第二标识值；获取该标识位为该第一标识值的边界框作为目标边界框。
[0013]在一个可选的示例中，多个边界框的尺寸不同，对目标图像进行划分得到多个网格，包括：按照该多个边界框的尺寸中的最大尺寸对该目标图像划分得到多个网格。
[0014]在本申请实施例中，将目标图像按照多个边界框的尺寸中的最大尺寸划分得到多个网格，可以使得根据边界框所属的网格获取参考边界框的相邻边界框时，避免因为网格尺寸过小导致获取的相邻边界框里面未包含全部与参考边界框重叠度大于预设阈值的边界框，提升了获取目标边界框的准确度，进而提升了目标检测结果的准确度。
[0015]在一个可选的示例中，多个边界框的尺寸相同，对目标图像进行划分得到多个网格，包括：按照该多个边界框的尺寸对该目标图像划分得到多个网格。
[0016]在一个可选的示例中，该多个边界框的尺寸相同包括：该多个边界框之间具有相同的宽，且该多个边界框之间具有相同的高。
[0017]在一个可选的示例中，确定多个边界框所属的网格包括：确定目标坐标点，该目标坐标点为该边界框上或该边界框内的任一个坐标点；将该目标坐标点所属的网格确定为该边界框所属的网格。
[0018]在一个可选的示例中，目标坐标点包括：边界框的右上角坐标点，边界框的左上角坐标点，边界框的右下角坐标点，边界框的左下角坐标点或边界框的中心坐标点中的任一个。
[0019]在一个可选的示例中，在确定多个边界框所属的网格之后，该方法还包括：根据该边界框所属的网格，建立该网格对应的索引队列，该索引队列中包括至少一个该边界框的排序编号；
[0020]获取参考边界框的相邻边界框包括：按照该索引队列从目标网格和该目标网格的相邻网格中获取相邻边界框。
[0021]在一个可选的示例中，在对边界框按照其对应得分大小进行排序之前，该方法还包括：确定该多个边界框为得分大于预设得分的多个边界框。
[0022]在本申请实施例中，筛选出得分大于预设得分的边界框，再对多个边界框进行排序和遍历，因为得分低的边界框对目标检测结果影响低甚至无影响，因此省略对得分低的边界框的排序和遍历，可以在保证目标检测结果的可靠性的同时，提升目标检测的效率。
[0023]在一个可选的示例中，根据目标边界框的得分确定目标检测结果，包括：根据得分大于预设得分的目标边界框确定目标检测结果。
[0024]第二方面，本申请实施例提供了一种目标检测装置，该装置包括：获取单元，用于获取目标图像上多个边界框及该多个边界框的得分，该得分用于表征该边界框中包含目标对象的置信度；划分单元，用于对该目标图像进行划分得到多个网格，并确定该多个边界框所属的网格；遍历单元，用于遍历该多个边界框，计算参本文档来自技高网...

【技术保护点】

【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：获取目标图像上多个边界框及所述多个边界框的得分，所述得分用于表征所述边界框中包含目标对象的置信度；对所述目标图像进行划分得到多个网格，并确定所述多个边界框所属的网格；遍历所述多个边界框，计算参考边界框与相邻边界框的重叠度，并根据所述重叠度得到目标边界框；所述参考边界框为所述多个边界框中的任一个，所述相邻边界框包括属于目标网格的边界框以及属于所述目标网格的相邻网格的边界框，所述目标网格为述参考边界框所属的网格，所述相邻边界框不包括所述参考边界框；根据所述目标边界框的得分确定目标检测结果。2.根据权利要求1所述的方法，其特征在于，在遍历所述多个边界框之前，所述方法还包括：按照所述边界框的得分大小对所述边界框进行排序，获得所述边界框对应的排序编号。3.根据权利要求2所述的方法，其特征在于，所述按照所述边界框的得分大小对所述边界框进行排序，具体包括：按照得分大小对所述边界框进行降序排序，得分越小的边界框对应的排序编号越大。4.根据权利要求3所述的方法，其特征在于，所述遍历所述多个边界框，计算参考边界框与相邻边界框的重叠度，并根据所述重叠度得到目标边界框，包括：获取所述多个边界框中的排序编号为i的边界框作为参考边界框，同时获取其标识位；在所述参考边界框的标识位为第一标识值的情况下，获取所述参考边界框的相邻边界框，并判定所述相邻边界框的排序编号是否大于i；在确定所述相邻边界框的排序编号大于i的情况下，计算所述参考边界框与所述相邻边界框的交并比；在所述交并比大于预设阈值的情况下，将所述相邻边界框的标识位置为第二标识值；获取所述标识位为所述第一标识值的边界框作为目标边界框。5.根据权利要求1-4任一项所述的方法，其特征在于，所述多个边界框的尺寸不同，所述对所述目标图像进行划分得到多个网格，包括：按照所述多个边界框的尺寸中的最大尺寸对所述目标图像划分得到多个网格。6.根据权利要求1-4任一项所述的方法，其特征在于，所述多个边界框的尺寸相同，所述对所述目标图像进行划分得到多个网格，包括：按照所述多个边界框的尺寸对所述目标图像划分得到多个网格。7.根据权利要求1-6任一项所述的方法，其特征在于，所述确定所述多个边界框所属的网格包括：确定目标坐标点，所述目标坐标点为所述边界框上或所述边界框内的任一个坐标点；将所述目标坐标点所属的网格确定为所述边界框所属的网格。8.根据权利要求7所述的方法，其特征在于，所述目标坐标点包括：所述边界框的右上角坐标点，所述边界框的左上角坐标点，边界框的右下角坐标点，边界框的左下角坐标点或边界框的中心坐标点中的任一个。9.根据权利要求2-8任一项所述的方法，其特征在于，在确定所述多个边界框所属的网
格之后，所述方法还包括：根据所述边界框所属的网格，建立所述网格对应的索引队列，所述索引队列中包括至少一个所述边界框的排序编号；所述获取所述参考边界框的相邻边界框包括：按照所述索引队列从目标网格和所述目标网格的相邻网格中获取相邻边界框。10.根据权利要求2-9任一项所述的方法，其特征在于，在按照所述边界框的得分大小对所述边界框进行排序之前，所述方法还包括：确定所述多个边界框为得分大于预设得分的多个边界框。11.根据权利要求1-9任一项所述的方法，其特征在于，根据所述目标边界框的得分确定目标检测结果，包括：根据得分大于预设得分的目标边界框确定目标检测结果。12.一种目标检测装置，其特征在...

【专利技术属性】
技术研发人员：陈廉政，
申请(专利权)人：上海海思技术有限公司，
类型：发明
国别省市：