目标检测方法及装置、存储介质及电子设备制造方法及图纸

本公开涉及图像处理技术领域，具体涉及一种目标检测方法及装置、计算机可读存储介质及电子设备，方法包括：获取输入图像，并采用第一卷积层和第二卷积层对输入图像进行特征提取得到参考特征图像；采用第三卷积层对参考特征图像进行特征提取得到第一目标特征图，并采用第四卷积层对第一目标特征图像进行特征提取得到第二目标特征图像；获取第一目标特征图像和第二目标特征图像上每一个点的参考预选图像；在多个参考预选图像中确定目标预选图像，并利用目标检测算法完成目标检测。本公开实施例的技术方案克服了现有技术中的目标检测方法浪费计算资源、实时性较差的不足。实时性较差的不足。实时性较差的不足。

【技术实现步骤摘要】
目标检测方法及装置、存储介质及电子设备


[0001]本公开涉及图像处理
，具体而言，涉及一种目标检测方法及装置、计算机可读存储介质及电子设备。

技术介绍

[0002]深度学习算法在人脸检测领域应用已经相当成熟，但是在客流统计应用中，并不是每个顾客的脸都是正对摄像头，为了正确检测人流数量，应当提取人头特征，从而检测视频中的人头数量，从而达到客流统计的目的。
[0003]然而人头特征较人脸特征更为复杂，因此简单套用人脸检测网络并不能取得较好的效果，需要增加检测网络中卷积核的数量。但是增加卷积核的数量会在边缘有限的计算资源增加较大的计算负担，实时性较差。
[0004]因此，有必要设计一种新的目标检测方法。
[0005]需要说明的是，在上述
技术介绍
部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

技术实现思路

[0006]本公开的目的在于提供一种目标检测方法及装置、计算机可读存储介质及电子设备，进而至少在一定程度上克服现有技术中的目标检测方法浪费计算本文档来自技高网...

【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，包括：获取输入图像，并采用第一卷积层和第二卷积层对所述输入图像进行特征提取得到参考特征图像；采用第三卷积层对所述参考特征图像进行特征提取得到第一目标特征图，并采用第四卷积层对第一目标特征图像进行特征提取得到第二目标特征图像；获取所述第一目标特征图像和第二目标特征图像上每一个点的参考预选图像；在多个所述参考预选图像中确定目标预选图像，并利用目标检测算法完成目标检测；其中第一卷积层和第二卷积层均为单模块残差卷积层，所述第三卷积层和所述第四卷积层为双模块残差卷积层。2.根据权利要求1所述的方法，其特征在于，采用第一卷积层和第二卷积层对所述输入图像进行特征提取得到参考特征图像，包括：利用所述第一卷积层对所述输入图像进行特征提取得到初始特征图像；利用所述第二卷积层对所述初始特征图像进行特征提取得到参考特征图像。3.根据权利要求2所述的方法，其特征在于，所述单模块残差卷积层包括：第一卷积单元，包括串行设计的深度可分卷积核和第一卷积核；残差网络单元，包括串行设计的最大池化子单元和填充子单元；其中，所述第一卷积核为标准卷积核。4.根据权利要求3所述的方法，其特征在于，利用所述第一卷积层对所述输入图像进行特征提取得到初始特征图；将所述输入图像输入所述第一卷积层的所述第一卷积单元进行特征提取得到第一特征图像；将所述输入图像输入所述第一卷积层的所述残差网络单元，得到与所述第一特征图像格式相同的第二特征图像；将所述第一特征图像与所述第二特征图像进行相加得到所述初始特征图像。5.根据权利要求4所述的方法，其特征在于，利用所述第二卷积层对所述初始特征图像进行特征提取得到参考特征图像，包括：将所述初始特征图像输入所述第二卷积层的所述第一卷积单元进行特征提取得到第三特征图像；将所述初始特征图输入所述第二卷积层的所述残差网络单元，得到与所述第三特征图像格式相同的第四特征图像；将所述第三特征图像与所述第四特征图像进行相加得到所述参考特征图像。6.根据权利要求1所述的方法，其特征在于，所述双模块残差卷积层包括：第二卷积单元，包括串行设计的深度可分卷积核和第二卷积核；第三卷积单元，与所述第二卷积子单元串行，所述第三卷积单元包括串行设计的深度可分卷积核和第三卷积核；残差网络单元，包括串行设计的最大池化子单元和填充子单元。7.根据权利要求6所述的方法，其特征在于，采用第三卷积层对所述参考特征图像进行特征提取得到第一目标特征图，包括：利用所...

【专利技术属性】
技术研发人员：王子路，
申请(专利权)人：京东方科技集团股份有限公司，
类型：发明
国别省市：