一种小目标检测方法、装置、存储介质和电子设备制造方法及图纸

本申请实施例提供一种小目标检测方法、装置、存储介质和电子设备，该小目标检测方法包括：获取目标图像和目标图像对应的背景抑制图；其中，背景抑制图是通过对目标图像进行图像预处理后获得的；将目标图像和背景抑制图输入到预先训练好的小目标检测模型中，以获得目标图像中待检测小目标的位置信息；其中，待检测小目标是指包含的像素个数小于等于预设像素个数的目标。借助于上述技术方案，本申请实施例能够更好地定位能够移动的小目标。施例能够更好地定位能够移动的小目标。施例能够更好地定位能够移动的小目标。

【技术实现步骤摘要】
一种小目标检测方法、装置、存储介质和电子设备


[0001]本申请涉及目标检测
，尤其涉及一种小目标检测方法、装置、存储介质和电子设备。

技术介绍

[0002]在移动的小目标检测任务中，待检测的小目标在视场中移动。但是，由于待检测小目标比较小，其容易被背景像素淹没或者干扰，故其对目标检测算法要求是比较高的。
[0003]目前，现有的小目标检测方法是使用传统特征G
‑
sift和卷积神经网络(Convolutional Neural Network，CNN)对图像进行特征提取，然后进行特征匹配，图像变换得到图像配准后的两张图像，然后根据两张图像的差值，根据差值图中的移动目标得到感兴趣区域，对原图进行掩码操作(或者，mask操作)保留感兴趣区域的像素，把背景区域像素设为0，然后通过一个单输入的yolov3目标检测网络检测目标的位置。
[0004]在实现本专利技术的过程中，专利技术人发现现有技术存在如下问题：现有的小目标检测方法可能会导致检测失败。

技术实现思路

[0005]本申请实施例的目的在于提本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种小目标检测方法，其特征在于，包括：获取目标图像和所述目标图像对应的背景抑制图；其中，所述背景抑制图是通过对所述目标图像进行图像预处理后获得的；将所述目标图像和所述背景抑制图输入到预先训练好的小目标检测模型中，以获得所述目标图像中待检测小目标的位置信息；其中，所述待检测小目标是指包含的像素个数小于等于预设像素个数的目标。2.根据权利要求1所述的小目标检测方法，其特征在于，所述小目标检测模型包括第一特征提取层、第二特征提取层和特征叠加层，所述第一特征提取层用于提取所述目标图像的特征，所述第二特征提取层用于提取所述背景抑制图的特征，所述特征叠加层用于对所述目标图像的特征和所述背景抑制图的特征进行叠加处理，以获得用于确定所述待检测小目标的位置信息的叠加特征。3.根据权利要求1或2所述的小目标检测方法，其特征在于，所述背景抑制图的获取过程包括：获取参考图像；其中，所述参考图像为位于所述目标图像之前的图像且与所述目标图像相隔预设帧数；对所述参考图像和所述目标图像进行图像配准，以获得所述背景抑制图。4.根据权利要求3所述的小目标检测方法，其特征在于，所述参考图像和所述目标图像为相邻的两帧图像。5.一种小目标检测装置，其特征在于，包括：获取模块，用于获取目标图像和所述目标图像对应的背景抑制图；其中，所述背景抑制图是通过对所述目标图像进行图像预处理后获得的；输入模块，用于将所述目标图像和所述背景抑制图输入到预先训练好的小目标检测模型中，以获得所述...

【专利技术属性】
技术研发人员：雷翔，张发恩，李大维，
申请(专利权)人：重庆赛迪奇智人工智能科技有限公司，
类型：发明
国别省市：