一种基于算法融合的目标检测方法、设备及介质技术

本发明专利技术公开了一种基于算法融合的目标检测方法、设备及介质，主要涉及目标检测技术领域，用以解决现有的目标检测算法对报警目标的误报率较高以及检测小目标准确率低等的技术问题。方法包括：服务器获取待测图片，输入至第一神经网络模型，以获得待测图片对应的若干目标类型；当不存在目标类型为预设报警类型时，输入待测图片至背景建模模型，以获得待测图片对应的动态目标数据；对动态目标数据进行预处理，以获得有效目标数据；输入有效目标数据至第二神经网络模型，以获得有效目标数据对应的目标类型；当存在目标类型为预设报警类型时，进行报警处理。本发明专利技术通过上述方法实现了对目标的分类，提高了小目标检测的准确性，降低了目标误报率。目标误报率。目标误报率。

【技术实现步骤摘要】
一种基于算法融合的目标检测方法、设备及介质


[0001]本专利技术涉及目标检测
，尤其涉及一种基于算法融合的目标检测方法、设备及介质。

技术介绍

[0002]人车报警装置在大视野下对100m
‑
3km范围内的人，车目标进行检测，在大视野下，既要对近距离目标相对较大的人车进行检测，又要对远处非常小的目标（10像素甚至更小）进行检测，同时现场还有大量的牛羊。在一些边防场景里，还对检测的准确率和误报率有严格的要求，尤其是漏报率，这对大视野环境下的目标检测提出了很高的要求。
[0003]现有的，人车报警装置中的目标检测模块，主要采用背景建模算法进行运动目标检测或者采用深度学习进行目标检测。
[0004]但是，采用背景建模进行目标检测的算法容易受到环境的影响（如草木的抖动、云影的移动以及动物的徘徊），不能实现高效的检测人、车，容易造成误报率较高的情况。而纯粹基于深度学习的目标检测算法也存在小目标检测准确率低，漏报率高，极小的目标（8*8像素以下）无法检测出来等问题。

技术实现思路

>[0005]针对现本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于算法融合的目标检测方法，其特征在于，所述方法包括：服务器获取待测图片，输入至第一神经网络模型，以获得所述待测图片对应的若干目标类型；当所述目标类型中不包括预设报警类型时，所述服务器输入待测图片至背景建模模型，以获得待测图片对应的动态目标数据；服务器对所述动态目标数据进行预处理，以获得有效目标数据；服务器输入所述有效目标数据至第二神经网络模型，以获得有效目标数据对应的目标类型；当目标类型中包括所述预设报警类型时，服务器进行报警处理。2.根据权利要求1所述的基于算法融合的目标检测方法，其特征在于，获得所述待测图片对应的若干目标类型，具体包括：所述第一神经网络模型获取待测图片；通过对待测图片进行4倍、8倍、16倍和32倍下采样处理，获取若干目标抠图；确定各个所述目标抠图对应的目标类型，并发送目标类型至服务器。3.根据权利要求1所述的基于算法融合的目标检测方法，其特征在于，在输入待测图片至背景建模模型之前，方法还包括：服务器基于待测图片，确定若干参考图片；输入所述参考图片至所述背景建模模型，以更新背景建模模型中的参考目标数据。4.根据权利要求3所述的基于算法融合的目标检测方法，其特征在于，所述获得有效目标数据对应的目标类型，具体包括：背景建模模型获取待测图片；确定待测图片中的待选目标数据，其中所述待选目标数据包含待选目标抠图、目标抠图位置、目标抠图像素和目标抠图长宽；获取预存的所述参考目标数据；其中，参考目标数据包含参考目标抠图、参考抠图位置、参考抠图像素和参考抠图长宽；背景建模模型根据参考目标数据，确定待选目标数据对应的抠图位置相似度、抠图像素相似度和抠图长宽相似度的相似度平均值；背景建模模型确定所述相似度平均值大于预设相似度的待选目标数据为动态目标数据，并发送动态目标数据至服务器。5.根据权利要求4所述的基于算法融合的目标检测方法，其特征在于，服务器对所述动态目标数据进行预处理，以获得有效目标数据，具体包括：服务器获取待测图片对应的全部动态目...

【专利技术属性】
技术研发人员：周昊，侯小叶，王卫光，孙政，田长超，
申请(专利权)人：济南和普威视光电技术有限公司，
类型：发明
国别省市：