目标检测方法和装置制造方法及图纸

本申请实施例提供了一种目标检测方法和装置，该目标检测方法包括：利用摄像装置获取图像；基于摄像装置的参数和预设行驶路径，标定出图像中的感兴趣区域；利用目标检测算法对图像进行检测，得到图像中的目标对象所属的类别、所述目标对象在图像中的第一位置区域和目标对象所属的类别的置信度；基于第一位置区域与感兴趣区域之间的相对位置关系，修正目标对象所属的类别的置信度，得到第一置信度，从而使得所检测出的目标对象更加准确。使得所检测出的目标对象更加准确。使得所检测出的目标对象更加准确。

【技术实现步骤摘要】
目标检测方法和装置


[0001]本申请实施例涉及人工智能
，尤其涉及一种目标检测方法和装置。

技术介绍

[0002]随着科学技术的发展，人工智能(AI，Artificial Intelligence)技术得到突飞猛进的提 升。在一些人工智能技术中，通常采用机器学习的方法，构建各种结构的初始模型，例如 神经网络模型、支持向量机模型、决策树模型等。然后，通过对各种初始模型进行训练， 以实现诸如图像识别、自然语言处理等目的。其中，图像识别还包括对图像中呈现的文 字识别和对图像中呈现的各个对象进行目标检测。
[0003]相关目标检测技术中，在诸如需要进行小目标检测的场景中，例如自动驾驶场景， 对道路上较远处或者较小的目标检测时，通常无法进行有效的识别。例如，将远处指示 牌上的行人标识识别成道路上的行人。
[0004]由此，如何对图像中的小目标进行有效的识别成为需要解决的问题。

技术实现思路

[0005]通过采用本申请所示的目标检测方法和装置，可以降低对图像中的小目标识别错误 的概率，有利于提高目标检测的检测精度。
[0006]为达到上述目的，本申请采用如下技术方案：
[0007]第一方面，本申请实施例提供一种目标检测方法，该目标检测方法应用于电子设备， 该目标检测方法包括：利用摄像装置获取图像；基于所述摄像装置的参数和预设行驶路 径，标定出所述图像中的感兴趣区域；利用目标检测算法对所述图像进行检测，得到所 述图像中的目标对象所属的类别、所述目标对象在所述图像中的第一位置区域和所述目 标对象所属的类别的置信度；基于所述第一位置区域与所述感兴趣区域之间的相对位置 关系，修正所述目标对象所属的类别的置信度，得到第一置信度。
[0008]通过利用所检测出的目标对象所在的位置区域和感兴趣区域之间的位置关系确定所 属的类别的第一置信度，可以进一步验证所检测出的目标对象所属的类别是否正确，过 滤出一些不符合逻辑或者不符合常理的类别检测结果，从而提高目标检测的准确性。
[0009]基于第一方面，当第一置信度小于预设阈值时，可以直接输出该第一置信度；当第 一置信度小于预设阈值时，目标检测方法还包括：基于所述摄像装置的参数、所述第一 位置区域在图像中的边界坐标、预先设置的所述类别对应的对象在现实世界中的大小， 确定所述图像中的第二位置区域；检测所述第一位置区域和所述第二位置区域之间的误 差；基于所述误差，修正所述第一置信度，得到所述目标所属的类别的第二置信度。
[0010]通过利用第二位置区域和第一位置区域之间的误差修正第一置信度，可以进一步降 低对道路上的目标对象误判的情况(例如将道路远处的树木误判为行人)，从而可以进一 步提高目标对象检测的准确性。
[0011]在一种可能的实现方式中，所述摄像装置的参数包括以下至少一项：所述摄像装
置 的焦距、所述摄像装置与参考面的距离、由所述摄像装置坐标系转换为图像坐标系的转 换矩阵和感光元件中的感光单元的尺寸。
[0012]在一种可能的实现方式中，所述基于所述摄像装置的参数、所述第一位置区域在图 像中的边界坐标、所述类别对应的对象在现实世界中的大小，确定所述图像中的第二位 置区域，包括：基于所述摄像装置的焦距、所述摄像装置与参考面的距离、由所述摄像装 置坐标系转换为图像坐标系的转换矩阵、感光元件中的感光单元的尺寸和所述第一位置 区域在图像中的边界坐标，确定所述摄像装置与所述目标对象之间的距离；基于所述摄 像装置与目标对象之间的距离、所检测出的类别对应的对象在现实世界中的大小、所述 摄像装置与参考面的距离、以及所述第一位置区域的边界坐标，确定所述图像中的第二 位置区域。
[0013]在一种可能的实现方式中，所述目标对象所属的类别是将所述目标对象的特征与多 个预设候选类别对应的对象的特征进行匹配，基于匹配结果，从所述预设候选类别中选 择出的。
[0014]基于第一方面，在一种可能的实现方式中，上述目标检测算法可以是预先训练的目 标检测模型。其中，所述利用目标检测算法对所述图像进行检测，得到所述图像中的目 标对象所属的类别、所述目标对象在所述图像中的第一位置区域和所述目标对象所属的 类别的置信度，包括：在预先训练的目标检测模型中设置标定参数，所述标定参数用于 指示所述目标检测模型在所述图像中标定出多个候选区域；将所述图像输入至所述目标 检测模型，得到所述目标检测模型的输出结果，所述输出结果用于指示各所述候选区域 中是否呈现有预设候选类别的对象和所述目标对象所属的类别的置信度，其中，所述目 标检测模型是基于训练样本和用于进行候选区域标定的标定参数，对神经网络训练得到 的。
[0015]基于第一方面，在一种可能的实现方式中，所述图像中的多个候选区域是基于约束 条件预先确定的；所述约束条件包括：各所述预设候选类别对应的对象呈现在所述图像 中的区域范围、以及各所述预设候选类别对应的对象在所述图像中的成像大小范围。
[0016]通过采用约束条件对标定的位置区域进行筛选，可以过滤掉一些不必要进行检测的 位置区域，降低了图像中待检测的位置区域的数目，从而提高目标检测模型的检测速度 和检测准确度。
[0017]在一种可能的实现方式中，所述确定所述图像中的多个候选区域，包括：在所述图 像中标定出初始候选区域；利用所述约束条件对所述初始候选区域进行筛选，基于筛选 结果，得到所述多个候选区域。
[0018]在一种可能的实现方式中，所述方法还包括对所述目标检测模型的优化步骤，所述 优化步骤包括：获取训练样本集，所述训练样本集包括多个样本图像，各所述样本图像 中呈现有目标对象；将样本图像输入至所述目标检测模型，得各样本图像中的目标对象 所属的类别和目标对象在样本图像中的第一位置区域，基于样本图像中的目标对象所属 的类别、第一置区域的边界坐标以及用于拍摄样本图像的拍摄设备的参数，确定各样本 图像中的第二位置区；利用预设损失函数确定各训练样本中第一位置区域和第二位置区 域之间的偏差，基于所述偏差，迭代调整所述目标检测模型，得到优化后的目标检测模 型。
[0019]通过对目标检测模型进行优化，可以进一步提高目标检测模型的检测准确度，也即 提高道路目标检测的准确性，为后续自动驾驶车辆进行障碍物检测与躲避等提供保障。
[0020]第二方面，本申请实施例提供一种目标检测装置，该目标检测装置包括：获取模块， 用于利用摄像装置获取图像；标定模块，用于基于所述摄像装置的参数和预设行驶路径， 标定出所述图像中的感兴趣区域；第一检测模块，用于利用目标检测算法对所述图像进 行检测，得到所述图像中的目标对象所属的类别、所述目标对象在所述图像中的第一位 置区域和所述目标对象所属的类别的置信度；第一修正模块，用于基于所述第一位置区 域与所述感兴趣区域之间的相对位置关系，修正所述目标对象所属的类别的置信度，得 到第一置信度。
[0021]基于第二方面，在一种可能的实现方式中，所述目标检测装置还包括：确定模块，用 于响应于所述第本文档来自技高网...

【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：利用摄像装置获取图像；基于所述摄像装置的参数和预设行驶路径，标定出所述图像中的感兴趣区域；利用目标检测算法对所述图像进行检测，得到所述图像中的目标对象所属的类别、所述目标对象在所述图像中的第一位置区域和所述目标对象所属的类别的置信度；基于所述第一位置区域与所述感兴趣区域之间的相对位置关系，修正所述目标对象所属的类别的置信度，得到第一置信度。2.根据权利要求1所述的目标检测方法，其特征在于，所述方法还包括：响应于所述第一置信度大于预设阈值，基于所述摄像装置的参数、所述第一位置区域在图像中的边界坐标、预先设置的所述类别对应的对象在现实世界中的大小，确定所述图像中的第二位置区域；检测所述第一位置区域和所述第二位置区域之间的误差；基于所述误差，修正所述第一置信度，得到所述目标对象所属的类别的第二置信度。3.根据权利要求2所述的目标检测方法，其特征在于，所述摄像装置的参数包括以下至少一项：所述摄像装置的焦距、所述摄像装置与参考面的距离、由所述摄像装置坐标系转换为图像坐标系的转换矩阵和感光元件中的感光单元的尺寸。4.根据权利要求3所述的目标检测方法，其特征在于，所述基于所述摄像装置的参数、所述第一位置区域在图像中的边界坐标、预先设置的所述类别对应的对象在现实世界中的大小，确定所述图像中的第二位置区域，包括：基于所述摄像装置的焦距、所述摄像装置与参考面的距离、由所述摄像装置坐标系转换为图像坐标系的转换矩阵、感光元件中的感光单元的尺寸和所述第一位置区域在所述图像中的边界坐标，确定所述摄像装置与目标对象之间的距离；基于所述摄像装置与目标对象之间的距离、所检测出的类别对应的对象在现实世界中的大小、所述摄像装置与参考面的距离、以及所述第一位置区域的边界坐标，确定所述图像中的第二位置区域。5.根据权利要求1至4任一项所述的目标检测方法，其特征在于，所述目标对象所属的类别是将所述目标对象的特征与多个预设候选类别对应的对象的特征进行匹配，基于匹配结果，从预设候选类别中选择出的。6.根据权利要求5所述的目标检测方法，其特征在于，所述利用目标检测算法对所述图像进行检测，得到所述图像中的目标对象所属的类别、所述目标对象在所述图像中的第一位置区域和所述目标对象所属的类别的置信度，包括：在预先训练的目标检测模型中设置标定参数，所述标定参数用于指示所述目标检测模型在所述图像中标定出多个候选区域；将所述图像输入至所述目标检测模型，得到所述目标检测模型的输出结果，所述输出结果用于指示各所述候选区域中是否呈现有所述预设候选类别的对象和所述目标对象所属的类别的置信度，其中，所述目标检测模型是基于训练样本和用于进行候选区域标定的标定参数，对神经网络训练得到的。7.根据权利要求6所述的目标检测方法，其特征在于，所述图像中的多个候选区域是基于约束条件预先确定的；
所述约束条件包括：各所述预设候选类别对应的对象呈现在所述图像中的区域范围、以及各所述预设候选类别对应的对象在所述图像中的成像大小范围。8.根据权利要求7所述的目标检测方法，其特征在于，所述确定所述图像中的多个候选区域，包括：在所述图像中标定出初始候选区域；利用所述约束条件对所述初始候选区域进行筛选，基于筛选结果，得到所述多个候选区域。9.根据权利要求6至8任一项所述的目标检方法，其特征在于，所述方法还包括对所述目标检测模型的优化步骤，所述优化步骤包括：获取训练样本集，所述训练样本集包括多个样本图像，各所述样本图像中呈现有目标对象；将样本图像输入至所述目标检测模型，得到各样本图像中的目标对象所属的类别和目标对象在样本图像中的第一位置区域，基于样本图像中的目标对象所属的类别、第一置区域的边界坐标以及用于拍摄样本图像的拍摄设备的参数，确定各样本图像中的第二位置区；利用预设损失函数确定各训练样本中第一位置区域和第二位置区域之间的偏差，基于所述偏差，迭代调整所述目标检测模型，得到优化后的目标检测模型。10.一种目标检测装置，其特征在于，包括：获取模块，用于利用摄像装置获取图像；标定模块，用于基于所述摄像装置的参数和预设行驶路径，标定出所述图像中的感兴趣区域；第一检测模块，用于利用目标检测算法对所述图像进...

【专利技术属性】
技术研发人员：尹晓萌，苏惠荞，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：