本申请公开了一种目标区域检测方法、装置、电子设备及存储介质，方法包括：对待检测图像进行特征提取，得到目标特征，对目标特征进行处理得到三维特征图，根据三维特征图中各像素点的通道数得到待检测图像中各像素点为目标区域的概率；根据待检测图像中各像素点为目标区域的概率，确定待检测图像中的候选区域；对候选区域进行连通域分析处理，得到待检测图像的目标区域。通过采用本申请的上述检测方法，可以自动且快速检测出待检测图像中的目标区域。区域。区域。
【技术实现步骤摘要】
目标区域检测方法、装置、设备及存储介质
[0001]本申请涉及人工智能技术中的计算机视觉
，更具体地，涉及一种目标区域检测方法、装置、设备及存储介质。
技术介绍
[0002]随着科学技术的进步，对于物体的外观、外包装或壳体等的安全检测也愈加广泛，如对于具有瑕疵的物品（如，有脏污、有破口或异常标记的物品）而言，通常需要对物品的瑕疵位置及时进行维修，以避免影响用户使用相应的物品。
[0003]现有技术中，检物品是否有瑕疵通常需要先采物品的图像，而采集物品的图像的工作是在固定位置上完成。目前，通常是固定机位上安装有摄像头和控制盒，通过控制盒内的控制器控制摄像头进行图像采集。之后对采集的物品的图像进行传输、存储、人工视验等一系列处理以检测物品是否有瑕疵。由于人工视验较大程度上依赖检验工程师的熟练程度，因此检测过程效率过低，检测时间较长，而且存在缺陷漏检的情况。
技术实现思路
[0004]鉴于上述问题，本申请实施例提出了一种目标区域检测方法、装置、设备及存储介质，以改善上述问题。
[0005]第一方面，本申请实施例提供了一种目标区域检测方法，该方法包括：获取待检测图像；对所述待检测图像进行特征提取，得到目标特征，对所述目标特征进行处理得到三维特征图，根据三维特征图中各像素点的通道数得到待检测图像中各像素点为目标区域的概率；根据所述待检测图像中各像素点为目标区域的概率，确定待检测图像中的候选区域；对所述候选区域进行连通域分析处理，得到所述待检测图像的目标区域。
[0006]第二方面，本申请实施例提供了一种目标区域检测装置，该装置包括图像获取模块、图像处理模块、区域确定模块以及处理模块。图像获取模块，用于获取待检测图像；图像处理模块，用于对所述待检测图像进行特征提取，得到目标特征，对所述目标特征进行处理得到三维特征图，根据三维特征图中各像素点的通道数得到待检测图像中各像素点为目标区域的概率；区域确定模块，用于根据所述待检测图像中各像素点为目标区域的概率，确定待检测图像中的候选区域；处理模块，用于对所述候选区域进行连通域分析处理，得到所述待检测图像的目标区域。
[0007]在一种可实施方式中，图像处理模块包括图像分割单元、线性处理单元、特征提取单元以及特征融合单元。其中，图像分割单元，用于对所述待检测图像进行图像分割，以得到空间上连续的N
×
M个窗格图像，其中，N和M分别为大于或等于1的整数；线性处理单元，用于对所述N
×
M个窗格图像进行线性变化处理，得到包括各窗格图像的特征的第一特征矩阵；特征提取单元，用于对所述第一特征矩阵中的每个窗格图像的特征分别再次进行特征提取得到第二特征矩阵；特征融合单元，用于将所述第二特征矩阵中各窗格图像再次提取的特征进行融合处理，得到目标特征。
[0008]在一种可实施方式中，特征提取单元，还用于计算所述第一特征矩阵中每个窗格图像的特征和该窗格图像空间上连续且相邻的相邻窗格图像的特征之间的特征相似度；根据各窗格图像对应的特征相似度调整该窗格图像提取到的特征，得到各窗格图像再次提取的特征；根据各窗格图像再次提取的特征得到第二特征矩阵。
[0009]在一种可实施方式中，图像处理模块，还用于对所述目标特征进行卷积处理，得到三维特征图；利用分类函数对所述三维特征图中各像素点的通道数进行分类计算，得到所述待检测图像中各像素点为目标区域的概率。
[0010]在一种可实施方式中，图像处理模块，还用于利用目标自回归模型对所述待检测图像进行特征提取，对提取的图像特征进行处理得到所述待检测图像中的各像素点为目标区域的概率，在该种实施方式下，目标区域检测装置还包括：样本获取模块和模型训练模块。其中，样本获取模块，用于获取样本图像集合，所述样本图像集合中包括样本图像，每张样本图像分别标注有目标区域的样本标签；模型训练模块，用于将所述样本图像集合中的各样本图像输入至初始自回归模型中，基于各样本图像对初始自回归模型进行训练，得到目标自回归模型。
[0011]在一种可实施方式中，模型训练模块包括结果预测单元、损失计算单元、图像选取单元以及模型训练单元。结果预测单元，用于将所述样本图像集合中的多个样本图像输入至初始自回归模型中，进行前向计算，得到各所述样本图像的目标区域预测结果；损失计算单元，用于将各样本图像的目标区域预测结果与对应的样本图像的目标区域的样本标签进行损失计算，得到各样本图像的损失值；图像选取单元，用于根据各所述样本图像的损失值选取目标样本图像；模型训练单元，用于根据各所述目标样本图像对应的损失值反向训练所述初始自回归模型，若达到训练结束条件，将训练后的初始自回归模型作为目标自回归模型。
[0012]在一种可实施方式中，图像选取单元，还用于从各所述样本图像中选取损失值在预设损失阈值范围内的目标样本图像。
[0013]在一种可实施方式中，处理模块，还用于对所述候选区域进行膨胀处理，得到膨胀处理后的候选区域；以及对膨胀处理后的候选区域进行连通域分析处理，得到所述待检测图像的目标区域。
[0014]在一种可实施方式中，处理模块，还用于利用连通域分析算法对候选区域进行连通域分析处理，得到连通区域；以及利用多边形拟合算法对所述连通区域进行多边形拟合，得到目标区域。
[0015]在一种可实施方式中，图像获取模块，还用于获取手持摄像设备对目标物体进行拍摄得到的待检测图像，所述目标物体包括集装箱或门板。
[0016]第三方面，本申请实施例还提供了一种电子设备，包括：处理器；存储器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，实现如上述的目标区域检测方法。
[0017]第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机可读指令，当所述计算机可读指令被处理器执行时，实现如上述的目标区域检测方法。
[0018]第五方面，本申请实施例提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算
机设备的处理器从计算机可读存储介质获取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述的方法。
[0019]本申请实施例提供的一种目标区域检测方法、装置、电子设备及存储介质，通过对待检测图像进行特征提取，得到目标特征，对所述目标特征进行处理得到三维特征图，根据三维特征图中各像素点的通道数得到待检测图像中各像素点为目标区域的概率，根据待检测图像中各像素点为目标区域的概率，确定待检测图像中的候选区域；从而实现对待检测图像中的目标区域进行自动检测。通过对候选区域进行连通域分析处理，得到待检测图像的目标区域，可以准确确定出待检测图像中目标区域的位置。进而实现了自动且快速检测出待检测图像中的目标区域。
附图说明
[0020]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。显而易见地，下面描述中的附图仅仅是本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种目标区域检测方法，其特征在于，包括：获取待检测图像；对所述待检测图像进行特征提取，得到目标特征，对所述目标特征进行处理得到三维特征图，根据三维特征图中各像素点的通道数得到待检测图像中各像素点为目标区域的概率；根据所述待检测图像中各像素点为区域的概率，确定待检测图像中的候选区域；对所述候选区域进行连通域分析处理，得到所述待检测图像的目标区域。2.根据权利要求1所述的方法，其特征在于，对所述待检测图像进行特征提取，得到目标特征，包括：对所述待检测图像进行图像分割，以得到空间上连续的N
×
M个窗格图像，其中，N和M分别为大于或等于1的整数；对所述N
×
M个窗格图像进行线性变化处理，得到包括各窗格图像的特征的第一特征矩阵；对所述第一特征矩阵中的每个窗格图像的特征分别再次进行特征提取得到第二特征矩阵；将所述第二特征矩阵中各窗格图像再次提取的特征进行融合处理，得到目标特征。3.根据权利要求2所述的方法，其特征在于，所述对所述第一特征矩阵中的每个窗格图像的特征分别再次进行特征提取得到第二特征矩阵，包括：计算所述第一特征矩阵中每个窗格图像的特征和该窗格图像空间上连续且相邻的相邻窗格图像的特征之间的特征相似度；根据各窗格图像对应的特征相似度调整该窗格图像提取到的特征，得到各窗格图像再次提取的特征；根据各窗格图像再次提取的特征得到第二特征矩阵。4.根据权利要求1所述的方法，其特征在于，所述对所述目标特征进行处理得到三维特征图，根据三维特征图中各像素点的通道数得到待检测图像中各像素点为目标区域的概率，包括：对所述目标特征进行卷积处理，得到三维特征图；利用分类函数对所述三维特征图中各像素点的通道数进行分类计算，得到所述待检测图像中各像素点为目标区域的概率。5.根据权利要求1所述的方法，其特征在于，利用目标自回归模型对所述待检测图像进行特征提取，所述目标自回归模型通过以下方式训练得到：获取样本图像集合，所述样本图像集合中包括样本图像，每张样本图像分别标注有目标区域的样本标签；将所述样本图像集合中的各样本图像输入至初始自回归模型中，基于各样本图像对初始自回归模型进行训练，得到目标自回归模型。6.根据权利要求5所述的方法，其特征在于，所述将所述样本图像集合中的各样本图像输入至初始自回归模型中，基于各样本图像对初始自回归模型进行训练，得到目标自回归模型，包括：将所述样本图像集合中的多个样本图像输入至初始自回归模...
【专利技术属性】
技术研发人员：郭双双，龚星，侯嘉悦，
申请(专利权)人：腾讯科技深圳有限公司，
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。