本申请公开一种对象检测的方法、装置及电子设备，该方法包括通过一个摄像头采集任意场景下包含待检测对象的对象区域的输入图像，然后基于输入图像中各像素的邻域像素，确定所述各个像素的像素参考值，比较所述各个像素的像素参考值和预设参考值阈值大小，并且根据比较结果，生成包括第一区域和第二区域的显著图。在此基础上对所述融合显著图进行目标识别，确定所述待检测对象。其中，第一区域与对象区域对应，第二区域与非对象区域对应。基于上述方法可以精准检测输入图像中的待检测对象，实现自动化的对象检测，满足对象检测识别自动化、轻量化和便捷化的应用需求。轻量化和便捷化的应用需求。轻量化和便捷化的应用需求。
【技术实现步骤摘要】
一种对象检测的方法、装置及电子设备
[0001]本申请涉及图像处理
，尤其涉及一种对象检测的方法、装置及电子设备。
技术介绍
[0002]随着物流行业的快速发展，物流包裹越来越多，海量包裹作为待检测的目标对象为物流公司的周转带来挑战，如何高效精准检测目标对象日益成为行业亟待解决的难题。
[0003]当前对象检测的方法主要有：人工检测的对象检测方法；借助硬件设备和对象本身的标识码的对象检测方法；以及根据海量样本数据训练深度学习模型的对象检测方法。
[0004]然而，上述对象检测方法均存在一些问题：前述依赖人工检测的方法，存在人力检测繁琐的问题；前述依赖设备和标识码的方法，存在设备部署复杂的问题；前述深度学习的方法，存在数据采集、学习训练、模型维护复杂的问题。
技术实现思路
[0005]本申请提供一种对象检测的方法、装置及电子设备，用以分割输入图像中的对象区域与非对象区域，获取待检测对象。
[0006]第一方面，本申请提供一种对象检测的方法，所述方法包括：
[0007]基于输入图像中各像素的邻域像素，确定所述各个像素的像素参考值；其中，所述输入图像中包括待检测对象的对象区域；
[0008]基于所述各个像素的像素参考值和预设参考值阈值的大小关系，生成包括第一区域和第二区域的显著图；其中，所述第一区域对应所述对象区域，所述第二区域对应所述输入图像的非对象区域；
[0009]基于所述显著图像对所述输入图像进行处理，得到融合显著图；其中，所述融合显著图中的对象区域和非对象区域之间的差异度，大于所述输入图像中的对象区域和非对象区域之间的差异度。
[0010]通过上述方法，提高对象检测的精准性，实现自动化的对象检测，满足对象检测识别自动化、轻量化和便捷化的应用需求。
[0011]在一种可能的设计中，在所述基于所述显著图像对所述输入图像进行处理，得到融合显著图之后，还包括：
[0012]对所述融合显著图进行目标识别，确定所述待检测对象。
[0013]通过目标识别确认待检测对象的方法，有效提高了对象检测的精准性。
[0014]在一种可能的设计中，所述对所述融合显著图进行目标识别，确定所述待检测对象，包括：
[0015]获取隶属矩阵和聚类中心；
[0016]基于所述隶属矩阵和所述聚类中心，确定当前聚类操作的迭代次数不大于预设迭代步数时，计算目标函数的损失值；其中，所述损失值表示每个所述融合显著图中的像素到所述聚类中心的欧式距离之和；确定所述损失值大于预设误差阈值时，调整所述隶属矩阵
以及所述聚类中心；利用调整后的隶属矩阵和聚类中心进行聚类操作；更新所述迭代次数；
[0017]确定所述迭代次数大于所述预设迭代步数，或者，确定所述损失值不大于所述预设误差阈值时，结束聚类操作，得到所述融合显著图中像素的聚类结果；
[0018]根据所述聚类结果，确定所述待检测对象。
[0019]通过调整隶属矩阵以及聚类中心，调整融合显著图中每个对象隶属每个类别的程度，突出融合显著图中第一区域与第二区域第一区域的细微差异，提高了检测出待检测对象的精准性。
[0020]在一种可能的设计中，所述基于输入图像中各像素的邻域像素，确定所述各个像素的像素参考值，包括：
[0021]量化所述输入图像对应的各颜色通道的像素值，建立统计直方图；其中，所述直方图用于表征所述输入图像所含的颜色数量和每个颜色对应的像素数量的统计分布；
[0022]根据所述直方图，将所述各个像素中的低频颜色替换为邻域内距离最近的高频颜色；其中，所述低频颜色为直方图中颜色对应的像素数量占比不高于预设比例的颜色，所述高频颜色为直方图中颜色对应的像素数量占比高于预设比例的颜色；
[0023]根据对筛除低频颜色后的输入图像做去噪处理，确定所述各个像素的像素参考值。
[0024]通过确定各个像素的像素参考值，增加输入图像的局部对比度，提高输入图像中第一区域与第二区域的差异，使得第一区域部分更加突出看，解决在提取输入图像的第一区域存在的灰度级个数减少，局部细节信息缺失的问题。
[0025]在一种可能的设计中，所述基于所述各个像素的像素参考值和预设参考值阈值的大小关系，生成包括第一区域和第二区域的显著图，包括：
[0026]判定所述各个像素的像素参考值是否大于预设参考值阈值；
[0027]若所述像素的像素参考值大于预设参考值阈值，则所述像素值为第一区域；
[0028]若所述像素的像素参考值小于等于预设参考值阈值，则所述像素标记为第二区域；
[0029]根据所述第一区域和所述第二区域，生成显著图。
[0030]通过生成显著图的方法，有效增强输入图像中的第一区域与第二区域之间的差异性。
[0031]在一种可能的设计中，所述基于所述显著图像对所述输入图像进行处理，得到融合显著图，包括：
[0032]基于所述第一区域与对应所述输入图像的对象区域，按照预设权重，计算两个区域中的各个像素值和值，得到第一融合区域；
[0033]基于所述第二区域与对应所述输入图像的非对象区域，按照预设权重，计算两个区域中的各个像素值和值，得到第二融合区域；
[0034]根据所述第一融合区域和所述第二融合区域，得到融合显著图。
[0035]通过生成融合显著图，解决无法直接将输入图像中各个像素精准划分为不同类别的问题，提高对象检测中分割对象区域以及非对象区域的准确率。
[0036]第二方面，本申请提供了一种对象检测的装置，所述装置包括：
[0037]计算模块，用于基于输入图像中各像素的邻域像素，确定所述各个像素的像素参
考值；所述输入图像中包括待检测对象的对象区域；
[0038]生成模块，用于基于所述各个像素的像素参考值和预设参考值阈值的大小关系，生成包括第一区域和第二区域的显著图；其中，所述第一区域对应所述对象区域，所述第二区域对应所述输入图像的非对象区域；
[0039]融合模块，用于基于所述显著图像对所述输入图像进行处理，得到融合显著图；其中，所述融合显著图中的对象区域和非对象区域之间的差异度，大于所述输入图像中的对象区域和非对象区域之间的差异度。
[0040]在一种可能的设计中，所述计算模块，具体用于量化所述输入图像对应的各颜色通道的像素值，建立统计直方图；其中，所述直方图用于表征所述输入图像所含的颜色数量和每个颜色对应的像素数量的统计分布；根据所述直方图，将所述各个像素中的低频颜色替换为邻域内距离最近的高频颜色；其中，所述低频颜色为直方图中颜色对应的像素数量占比不高于预设比例的颜色，所述高频颜色为直方图中颜色对应的像素数量占比高于预设比例的颜色；根据对筛除低频颜色后的输入图像做去噪处理，确定所述各个像素的像素参考值。
[0041]在一种可能的设计中，所述生成模块，具体用于判定所述各个像素的像素参考值是否大于预设参考值阈值；若所述像素的像素参本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种对象检测的方法，其特征在于，所述方法包括：基于输入图像中各像素的邻域像素，确定所述各个像素的像素参考值；其中，所述输入图像中包括待检测对象的对象区域；基于所述各个像素的像素参考值和预设参考值阈值的大小关系，生成包括第一区域和第二区域的显著图；其中，所述第一区域对应所述对象区域，所述第二区域对应所述输入图像的非对象区域；基于所述显著图像对所述输入图像进行处理，得到融合显著图；其中，所述融合显著图中的对象区域和非对象区域之间的差异度，大于所述输入图像中的对象区域和非对象区域之间的差异度。2.如权利要求1所述的方法，其特征在于，在所述基于所述显著图像对所述输入图像进行处理，得到融合显著图之后，还包括：对所述融合显著图进行目标识别，确定所述待检测对象。3.如权利要求2所述的方法，其特征在于，所述对所述融合显著图进行目标识别，确定所述待检测对象，包括：获取隶属矩阵和聚类中心；基于所述隶属矩阵和所述聚类中心，确定当前聚类操作的迭代次数不大于预设迭代步数时，计算目标函数的损失值；其中，所述损失值表示每个所述融合显著图中的像素到所述聚类中心的欧式距离之和；确定所述损失值大于预设误差阈值时，调整所述隶属矩阵以及所述聚类中心；利用调整后的隶属矩阵和聚类中心进行聚类操作；更新所述迭代次数；确定所述迭代次数大于所述预设迭代步数，或者，确定所述损失值不大于所述预设误差阈值时，结束聚类操作，得到所述融合显著图中像素的聚类结果；根据所述聚类结果，确定所述待检测对象。4.如权利要求1所述的方法，其特征在于，所述基于输入图像中各像素的邻域像素，确定所述各个像素的像素参考值，包括：量化所述输入图像对应的各颜色通道的像素值，建立统计直方图；其中，所述直方图用于表征所述输入图像所含的颜色数量和每个颜色对应的像素数量的统计分布；根据所述直方图，将所述各个像素中的低频颜色替换为邻域内距离最近的高频颜色；其中，所述低频颜色为直方图中颜色对应的像素数量占比不高于预设比例的颜色，所述高频颜色为直方图中颜色对应的像素数量占比高于预设比例的颜色；根据对筛除低频颜色后的输入图像做去噪处理，确定所述各个像素的像素参考值。5.如权利要求1所述的方法，其特征在于，所述基于所述各个像素的像素参考值和预设参考值阈值的大小关系，生成包括第一...
【专利技术属性】
技术研发人员：赵兴科，王枫，任馨怡，熊剑平，
申请(专利权)人：浙江大华技术股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。