一种目标检测方法、装置、设备及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目标检测方法、装置、设备及存储介质，该方法包括：获取待检测图像；将待检测图像作为输入数据输入到预确定的目标检测网络模型中，其中，目标检测网络模型包括至少五个回归头；根据目标检测网络模型的输出结果，对待检测图像中的对象进行目标检测，获得对象所归属类别以及对象在待检测图像中的位置信息，解决了目标检测过程中由于图像信息中信息不全，缺少部分重要信息导致的识别结果不准确的问题，目标检测网络模型包括了至少五个回归头，所以其可以增加预测的信息类型，至少预测五种信息，提高了对象的归属类别以及在待检测图像中的位置信息的准确度，实现了对待检测图像中的对象进行准确检测的效果。

【技术实现步骤摘要】
一种目标检测方法、装置、设备及存储介质
本专利技术实施例涉及图像处理
，尤其涉及一种目标检测方法、装置、设备及存储介质。
技术介绍
随着生活水平的提高，越来越多的汽车走入了家庭生活，为人们的生活提供了极大的便利性。为了向车辆驾驶人员提供路况风险提醒，或者为自动驾驶路径规划提供可靠信息，在汽车行驶过程中准确识别车辆附近的人、车、动物等对象也变得越来越重要。所以，对图像信息进行处理，准确识别对象变得尤为重要。目前2D单目目标识别算法应用较多，但是由于受单图像影响，信息种类较少，仅有尺寸信息，缺失部分重要信息，导致对目标的检测准确度较低。
技术实现思路
本专利技术提供一种目标检测方法、装置、设备及存储介质，以实现对目标的准确识别。第一方面，本专利技术实施例提供了一种目标检测方法，所述目标检测方法包括：获取待检测图像；将所述待检测图像作为输入数据输入到预确定的目标检测网络模型中，其中，所述目标检测网络模型包括至少五个回归头；根据所述目标检测网络模型的输出结果，对所述待检测图像中的对象进行目标检测，获得所述对象所归属类别以及所述对象在待检测图像中的位置信息。第二方面，本专利技术实施例还提供了一种目标检测装置，该目标检测装置包括：获取模块，用于获取待检测图像；输入模块，用于将所述待检测图像作为输入数据输入到预确定的目标检测网络模型中，其中，所述目标检测网络模型包括至少五个回归头；检测模块，用于根据所述目标检测网络模型的输出结果，对所述待检测图像中的对象进行目标检测，获得所述对象所归属类别以及所述对象在待检测图像中的位置信息。第三方面，本专利技术实施例还提供了一种计算机设备，该设备包括：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实施例中任一所述的一种目标检测方法。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实施例中任一所述的一种目标检测方法。本专利技术实施例提供了一种目标检测方法、装置、设备及存储介质，通过获取待检测图像；将所述待检测图像作为输入数据输入到预确定的目标检测网络模型中，其中，所述目标检测网络模型包括至少五个回归头；根据所述目标检测网络模型的输出结果，对所述待检测图像中的对象进行目标检测，获得所述对象所归属类别以及所述对象在待检测图像中的位置信息，解决了目标检测过程中由于图像信息中信息不全，缺少部分重要信息导致的识别结果不准确的问题，目标检测网络模型包括了至少五个回归头，所以其可以增加预测的信息类型，至少预测五种信息，提高了对象的归属类别以及在待检测图像中的位置信息的准确度，实现了对待检测图像中的对象进行准确检测的效果。附图说明图1是本专利技术实施例一中的一种目标检测方法的流程图；图2是本专利技术实施例二中的一种目标检测方法的流程图；图3是本专利技术实施例三中的一种目标检测装置的结构示意图；图4是本专利技术实施例四中的一种计算机设备的结构示意图。具体实施方式为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施例方式作进一步地详细描述。应当明确，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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它实施例，都属于本申请保护的范围。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。在本申请的描述中，需要理解的是，术语“第一”、“第二”、“第三”等仅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，也不能理解为指示或暗示相对重要性。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本申请中的具体含义。此外，在本申请的描述中，除非另有说明，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。实施例一图1给出了本申请实施例一提供的一种目标检测方法的流程图，本实施例可适用于在根据图像进行目标识别检测时得到准确识别结果的情况。该方法可以由计算机设备执行，该计算机设备可以是两个或多个物理实体构成，也可以是一个物理实体构成。一般而言，计算机设备可以是笔记本、台式计算机以及智能平板等。需要说明的是，本实施例所提供的目标检测方法由计算机设备执行，计算机设备可以安装在车辆上，相应的，本实施例实现目标检测方法的应用环境可描述为：车辆在行驶过程中，通过车辆上安装的摄像头采集图像，通过将图像输入至预先训练好的网络模型中，预测图像中对象所在矩形框的相关信息，进而得到对象所归属类别和所在位置。然后可以根据对象所归属类别和所在位置提示驾驶员，或者在自动驾驶中根据对象所归属类别和所在的位置进行路线规划，避免车辆事故发生。现有实现方案中，在对待检测图像进行目标检测时，仅能预测三种信息，得到二维的矩形框。该种目标检测方法所检测到的对象由于待检测图像包含信息种类较少的限制，所以准确度较低，无法全面的对待检测图像中的对象进行识别。本实施例提供的目标检测方法能够准确识别对象，根据对象在图像中所对应检测框的信息得到对象所在的位置以及归属类别，实现对对象的准确检测，以此克服现有技术方案所存在的问题。如图1所示，本实施例一提供的一种目标检测方法，具体包括如下步骤：S110、获取待检测图像。在本实施例中，待检测图像具体可以理解为通过图像采集装置采集的、需要进行目标识别的图像。待检测图像由图像采集装置采集，图像采集装置可以是照相机、摄像机等可以进行图像采集的设备。本申请实施例以安装在车辆上的图像采集装置为例，图像采集装置的数量可以是一个或者多个。车辆在前方、后方、侧方等位置均可以安装一个或多个图像采集装置，采集车辆周围的环境信息。需要知道的是，图像采集装置的数量为多个时，获取的待检测图像相应的也为多个，对于每个待检测图像，其目标检测过程和原理是相同的。目标检测网络模型可以同时处理多张待检测图像，将多张待检测图像同时输入到目标检测网络模型中，可以分别得到模型输出的预测结果。例如，车辆的前方、后方、左侧、右侧分别安装了一个图像采集装置，其采集时刻设置为相同时刻。因此，在同一采集时刻可以获得4张待检测图像，将4张待检测图像同时输入到目标检测网络模型中，目标检测网络模型同时对4张待检测图像进行目标检测，得到4个待检测图像中的目标识别结果，由此可以得到车辆四周的环境情况，进而提醒驾驶员或者进行自动驾驶的路径规划。S120、将待检测图像作为输入数据本文档来自技高网...

【技术保护点】
1.一种目标检测方法，其特征在于，包括：/n获取待检测图像；/n将所述待检测图像作为输入数据输入到预确定的目标检测网络模型中，其中，所述目标检测网络模型包括至少五个回归头；/n根据所述目标检测网络模型的输出结果，对所述待检测图像中的对象进行目标检测，获得所述对象所归属类别以及所述对象在待检测图像中的位置信息。/n

【技术特征摘要】
1.一种目标检测方法，其特征在于，包括：
获取待检测图像；
将所述待检测图像作为输入数据输入到预确定的目标检测网络模型中，其中，所述目标检测网络模型包括至少五个回归头；
根据所述目标检测网络模型的输出结果，对所述待检测图像中的对象进行目标检测，获得所述对象所归属类别以及所述对象在待检测图像中的位置信息。


2.根据权利要求1所述的方法，其特征在于，所述目标检测网络模型的训练步骤包括：
将当前迭代下对应的训练样本输入至当前的待训练网络模型中，获得目标检测框的目标框信息，其中，所述目标框信息至少包括目标中心点位置、预测类别、预测尺寸信息、预测深度信息、预测方位角和预测倾斜角；
获得所述训练样本对应的标准检测框的检测框信息，并对所述检测框信息进行处理，得到标准框信息；
采用给定至少一个损失函数表达式，结合各所述目标框信息以及对应的标准框信息，获得相应的损失函数，并通过对各所述损失函数的融合处理形成拟合损失函数；
基于所述拟合损失函数对所述待训练网络模型进行反向传播，得到用于下一迭代的待训练网络模型，直至满足迭代收敛条件，得到目标检测网络模型。


3.根据权利要求2所述的方法，其特征在于，所述将当前迭代下对应的训练样本输入至当前的待训练网络模型中，获得目标检测框的目标框信息，包括：
将当前迭代下对应的训练样本输入至预确定的特征抽取器中，得到粗略空间区域信息；
将所述粗略空间区域信息输入到预确定的反卷积模块中，获得精准空间区域信息；
将所述精准空间区域信息分别输入至各回归头中，得到各所述回归头所输出对应信息类型的预测信息，其中，不同回归头参数具备不同回归头参数，所输出预测信息分别为热力图信息、立体尺寸信息、深度信息、中心点偏移量或立体朝向信息；
根据各所述预测信息确定形成各目标检测框的目标框信息。


4.根据权利要求3所述的方法，其特征在于，所述根据各所述预测信息确定形成各目标检测框的目标框信息，包括：
从输出的预测信息中筛选热力图信息，并从获取的热力图信息中筛选满足概率条件的热点，将各所述热点确定为预测中心点，并将所述预测中心点所属类别确定为预测类别；
针对每个预测中心点，根据所输出预测信息中的立体尺寸信息、深度信息、中心点偏移量和立体朝向信息，确定所述预测中心点对应的预测尺寸信息、预测深度信息、预测中心点偏移量和预测朝向信息；
根据获得的预测类别、预测...

【专利技术属性】
技术研发人员：张文燕，
申请(专利权)人：上海芯物科技有限公司，
类型：发明
国别省市：上海;31