一种目标检测的数据后处理方法技术

本发明专利技术涉及目标检测技术领域，具体提供了一种目标检测的数据后处理方法，具有如下步骤：S1、在分辨率大的图像上进行滑动窗口分块推断，获取分块检测结果；S2、设置边界过滤阈值，剔除掉位于分块图像的边界的检测框；S3、再剔除掉滑动窗口重叠区域中重叠度高的检测框；S4、最后，所有滑动窗口分块图像相对于原始超大分辨率图像的位置坐标，得到超大分辨率图像检测结果。与现有技术相比，本发明专利技术针对滑动窗口剪裁造成边界产生不完整目标，剔除了边界不完整目标框，提高了检测框的准确性。针对超大分辨率滑动窗口检测方式，剔除了滑动窗口重叠区域造成的冗余检测，防止重叠区域目标出现多个检测框。个检测框。个检测框。

【技术实现步骤摘要】
一种目标检测的数据后处理方法


[0001]本专利技术涉及目标检测
，具体提供一种目标检测的数据后处理方法。

技术介绍

[0002]随着成像技术的发展，超大分辨率图像在智能交通、道路规划等方面越来越容易获取，超大分辨率图像特点在于空间覆盖面更加宽广，从而能获取信息的范围相对于传统采集的图像更加宽广，从而对于目标检测来说可以检测范围更广的数据。
[0003]超大分辨率图像广泛适用于城市高点、铁路枢纽、公交枢纽、城市街道等区域人员监控场景，因此超大分辨率图像目标检测成为了近年来的研究热点。
[0004]尽管超大分辨率图像有很多优点，但同时也给目标检测技术带来了很多难题和挑战，超大分辨率图像往往由于硬件限制难以直接进行推理检测，如果对超大分辨率图像下采样来满足硬件限制，则会导致丢失图像中的小目标信息，因此一般采用滑动剪裁的方式对超大分辨率图像进行检测，进一步通过融合分块检测结果来达到检测目的，滑动窗口检测可以解决硬件限制以及下采样丢失小目标信息的问题，但是滑动窗口检测也会带来一些问题，主要体现在以下方面：
[0005](1)目标框剪裁：用于采用滑动窗口的方式，必然会对某些出现在滑动窗口边界的目标进行剪裁，进而造成某些滑动窗口边界的目标框不完整，这会影响整体的检测精度；
[0006](2)冗余检测：当目标出现在滑动窗口重叠部分时，滑动检测会造成同一目标被检测多次，进而同一目标得到多个检测结果。

技术实现思路

[0007]本专利技术是针对上述现有技术的不足，提供一种实用性强的目标检测的数据后处理方法。
[0008]本专利技术解决其技术问题所采用的技术方案是：
[0009]一种目标检测的数据后处理方法，具有如下步骤：
[0010]S1、在分辨率大的图像上进行滑动窗口分块推断，获取分块检测结果；
[0011]S2、设置边界过滤阈值，剔除掉位于分块图像的边界的检测框；
[0012]S3、再剔除掉滑动窗口重叠区域中重叠度高的检测框；
[0013]S4、最后，所有滑动窗口分块图像相对于原始超大分辨率图像的位置坐标，得到超大分辨率图像检测结果。
[0014]进一步的，在步骤S1中，搭建深度学习开发环境，加载目标检测算法训练好的模型，在测试集上执行滑动窗口分块推断，输出所有滑动窗口分块图像对应的边界框的置信度、类别和位置坐标集合。
[0015]进一步的，在步骤S2中，针对所有滑动窗口分块图像，设置边界过滤阈值，计算所有检测框位置坐标与当前所属分块图像边界的最小距离。
[0016]进一步的，剔除掉步骤S1滑动窗口分块推断造成的分块图像边界目标被剪裁的不
完整检测框，得到分块图像中完整目标的检测框,进而得到每一块分块图像的检测结果集合。
[0017]进一步的，在步骤S3中，所有滑动窗口分块图像，获取滑动窗口重叠区域的检测框集合，计算重叠区域中所有检测框的交并比，根据交并比与置信度阈值剔除掉滑动窗口重叠区域中重叠度高的检测框，得到过滤掉滑动窗口重叠区域中重叠度高的检测框集合。
[0018]进一步的，若检测结果中一对边界框的交并比大于阈值，则比较两个边界框的置信度，剔除置信度较小的检测框；
[0019]依次对重叠区域检测结果的所有检测框执行重复操作，最后剔除掉所有重叠度高的冗余检测框，得到所有分块图像剔除掉重叠区域冗余框的检测结果。
[0020]进一步的，在步骤S4中，计算所有滑动窗口分块图像相对于原始超大分辨率图像的位置坐标，将所有滑动窗口分块图像的检测框坐标返回到原始超大分辨率中的相对坐标，得到超大分辨率图像检测结果。
[0021]进一步的，对于步骤S3中得到的每一块分块图像剔除边界检测框、重叠区域冗余框的最终检测结果，通过计算最终分块图像检测结果相对于原始超大分辨率图像的位置坐标，返回到原始超大分辨率中的相对坐标，得到超大分辨率图像检测结果。
[0022]本专利技术的一种目标检测的数据后处理方法和现有技术相比，具有以下突出的有益效果：
[0023]本专利技术针对滑动窗口剪裁造成边界产生不完整目标，剔除了边界不完整目标框，提高了检测框的准确性。针对超大分辨率滑动窗口检测方式，剔除了滑动窗口重叠区域造成的冗余检测，防止重叠区域目标出现多个检测框。
附图说明
[0024]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0025]附图1是一种目标检测的数据后处理方法的流程示意图。
具体实施方式
[0026]为了使本
的人员更好的理解本专利技术的方案，下面结合具体的实施方式对本专利技术作进一步的详细说明。显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例都属于本专利技术保护的范围。
[0027]下面给出一个最佳实施例：
[0028]如图1所示，本实施例中的一种目标检测的数据后处理方法，具有如下步骤：
[0029]S1、在分辨率大的图像上进行滑动窗口分块推断，获取分块检测结果；
[0030]示例性地，大分辨率图像分辨率为6400
×
6400，设置滑动窗口大小为640
×
640，窗口步长为320，则滑动窗口过程中，目标可能被切断影响识别。
[0031]搭建深度学习开发环境，加载目标检测算法训练好的模型，本实施例中采用但不
限于yolo检测算法，在测试集上执行滑动窗口分块推断，输出所有滑动窗口分块图像对应的边界框的置信度、类别和位置坐标集合。
[0032]S2、设置边界过滤阈值，剔除掉位于分块图像的边界的检测框；
[0033]针对所有滑动窗口分块图像，设置边界过滤阈值，剔除掉位于分块图像的边界的检测框，得到过滤掉滑动窗口分块造成的边界剪裁不完整目标。
[0034]其中，包括步骤S201、对在步骤S1中得到的每一块分块图像的检测结果，设置边界过滤阈值，计算所有检测框位置坐标与当前所属分块图像边界的最小距离，剔除最小距离小于边界过滤阈值的边界检测框。
[0035]示例性地，例如滑动窗口大小为640
×
640，可以设置检测框坐标与所属分块图像边界最小距离为50像素，当检测框坐标与图像边界最小距离小于50像素时，此检测框极有可能被滑动窗口剪裁，因此删除此目标。
[0036]S3、再剔除掉滑动窗口重叠区域中重叠度高的检测框；
[0037]所有滑动窗口分块图像，获取滑动窗口重叠区域的检测框集合，计算重叠区域中所有检测框的交并比，根据交并比与置信度阈值剔除掉滑动窗口重叠区域中重叠度高的检测框，得到过滤掉滑动窗口重叠区域中重叠度高的检测框集合。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种目标检测的数据后处理方法，其特征在于，具有如下步骤：S1、在分辨率大的图像上进行滑动窗口分块推断，获取分块检测结果；S2、设置边界过滤阈值，剔除掉位于分块图像的边界的检测框；S3、再剔除掉滑动窗口重叠区域中重叠度高的检测框；S4、最后，所有滑动窗口分块图像相对于原始超大分辨率图像的位置坐标，得到超大分辨率图像检测结果。2.根据权利要求1所述的一种目标检测的数据后处理方法，其特征在于，在步骤S1中，搭建深度学习开发环境，加载目标检测算法训练好的模型，在测试集上执行滑动窗口分块推断，输出所有滑动窗口分块图像对应的边界框的置信度、类别和位置坐标集合。3.根据权利要求2所述的一种目标检测的数据后处理方法，其特征在于，在步骤S2中，针对所有滑动窗口分块图像，设置边界过滤阈值，计算所有检测框位置坐标与当前所属分块图像边界的最小距离。4.根据权利要求3所述的一种目标检测的数据后处理方法，其特征在于，剔除掉步骤S1滑动窗口分块推断造成的分块图像边界目标被剪裁的不完整检测框，得到分块图像中完整目标的检测框,进而得到每一块分块图像的检测结果集合。5.根据权利要求4所述的一种目标检测的数据后处理方法，其特征在于，在步骤...

【专利技术属性】
技术研发人员：李晗，刘琛，张钦禄，安晓博，
申请(专利权)人：浪潮云信息技术股份公司，
类型：发明
国别省市：