目标对象的检测方法以及相关装置、设备制造方法及图纸

本申请公开了目标对象的检测方法以及相关装置、设备，其中，目标对象的检测方法包括：获取到待检测图像，其中，待检测图像中包含目标对象；对待检测图像进行一次特征提取，得到待检测图像的第一特征数据，基于第一特征数据对目标对象进行检测，得到第一检测结果；基于第一检测结果对待检测图像进行二次特征提取，得到待检测图像的第二特征数据，基于第二特征数据对目标对象进行检测，得到第二检测结果，其中，第二特征数据的特征维度高于第一特征数据；基于第二检测结果确定目标对象的位姿信息。上述方案，能够提高目标对象的检测的准确性和精度。性和精度。性和精度。

【技术实现步骤摘要】
目标对象的检测方法以及相关装置、设备


[0001]本申请涉及图像检测的
，特别是涉及目标对象的检测方法以及相关装置、设备。

技术介绍

[0002]随着科学技术的不断进步，对图像进行目标对象的检测已经逐步应用到生活的方方面面，例如：人脸识别、手势识别、设备状态识别等领域。
[0003]目前，图像检测技术往往采用Faster
‑
RCNN或YOLO检测神经网络结构进行图像检测，但此类网络结构较为复杂，时间复杂度较高；而且检测精度不够高。
[0004]因此，目前亟需一种目标对象的检测方法来提高图像检测的准确性。

技术实现思路

[0005]本申请提供了目标对象的检测方法以及相关装置、设备，以解决现有技术中存在的图像检测的准确性不高的问题。
[0006]本申请提供了一种目标对象的检测方法，包括：获取到待检测图像，其中，待检测图像中包含目标对象；对待检测图像进行一次特征提取，得到待检测图像的第一特征数据，基于第一特征数据对目标对象进行检测，得到第一检测结果；基于第一检测结果对待检测图像进行二次特征提取，得到待检测图像的第二特征数据，基于第二特征数据对目标对象进行检测，得到第二检测结果，其中，第二特征数据的特征维度高于第一特征数据；基于第二检测结果确定目标对象的位姿信息
[0007]其中，对待检测图像进行一次特征提取，得到待检测图像的第一特征数据，基于第一特征数据对目标对象进行检测，得到第一检测结果的步骤包括：通过检测模型的第一检测网络对待检测图像进行一次特征提取得到第一特征数据，并基于第一特征数据确定多个第一目标检测框及其坐标信息以及各第一目标检测框内是否存在目标对象；基于各存在目标对象的第一目标检测框的坐标信息得到第一检测结果。
[0008]其中，基于各存在目标对象的第一目标检测框的坐标信息得到第一检测结果的步骤包括：利用第一检测网络确定各存在目标对象的第一目标检测框的置信度；基于置信度最大的第一目标检测框的坐标信息对其他第一目标检测框的坐标信息进行比对，以确定置信度最大的第一目标检测框与各其他第一目标检测框的重叠程度；将与置信度最大的第一目标检测框的重叠程度超过第一设定值的其他第一目标检测框去除，并将置信度最大的第一目标检测框以及重叠程度不超过第一设定值的其他第一目标检测框的坐标信息确定为第一检测结果。
[0009]其中，第一检测网络包括：相互级联的第一卷积层、第二卷积层、第三卷积层、第四卷积层以及第五卷积层；第五卷积层包括第一分类卷积层以及第一坐标卷积层；通过检测模型的第一检测网络对待检测图像进行一次特征提取得到第一特征数据，并基于第一特征数据确定多个第一目标检测框及其坐标信息以及各第一目标检测框内是否存在目标对象
的步骤包括：通过卷积核为3*5、滑动步长为1*2、通道数为10的第一卷积层对待检测图像进行卷积处理，并依次对卷积处理后的待检测图像进行激活、池化处理，得到第一卷积层处理后的特征数据；通过卷积核为3*5、滑动步长为1*2、通道数为16的第二卷积层对第一卷积层处理后的特征数据进行卷积处理，并对卷积处理后的特征数据进行激活处理，得到第二卷积层处理后的特征数据；通过卷积核为3*5、滑动步长为2*2、通道数为16的第三卷积层对第二卷积层处理后的特征数据进行卷积处理，并对卷积处理后的特征数据进行激活处理，得到第三卷积层处理后的特征数据；通过卷积核为3*3、滑动步长为1*1、通道数为16的第四卷积层对第三卷积层处理后的特征数据进行卷积处理，并对卷积处理后的特征数据进行激活处理，得到第四卷积层处理后的特征数据；通过第五卷积层内卷积核为1*1、滑动步长为1*1、通道数为4的第一坐标卷积层对第四卷积层处理后的特征数据进行卷积处理，得到各第一目标检测框及其坐标信息；以及通过第五卷积层内卷积核为1*1、滑动步长为1*1、通道数为2的第一分类卷积层对第四卷积层处理后的特征数据进行卷积处理，以确定各第一目标检测框内是否存在目标对象。
[0010]其中，基于第一检测结果对待检测图像进行二次特征提取，得到待检测图像的第二特征数据，基于第二特征数据对目标对象进行检测，得到第二检测结果的步骤包括：基于第一检测结果中各存在目标对象的第一目标检测框的坐标信息从待检测图像中截取目标图像；通过检测模型的第二检测网络对目标图像进行二次特征提取，取得到第二特征数据，并基于第二特征数据确定多个第二目标检测框及其坐标信息以及各第二目标检测框内是否存在目标对象；基于各存在目标对象的第二目标检测框的坐标信息得到第二检测结果。
[0011]其中，基于各存在目标对象的第二目标检测框的坐标信息得到第二检测结果的步骤包括：利用第二检测网络确定各存在目标对象的第二目标检测框的置信度；基于置信度最大的第二目标检测框的坐标信息对其他第二目标检测框的坐标信息进行比对，以确定置信度最大的第二目标检测框与各其他第二目标检测框的重叠程度；将与置信度最大的第二目标检测框的重叠程度超过第二设定值的其他第二目标检测框去除，并将置信度最大的第二目标检测框以及重叠程度不超过第二设定值的其他第二目标检测框的坐标信息确定为第二检测结果。
[0012]其中，第二检测网络包括：相互级联的第六卷积层、第七卷积层、第八卷积层、第九卷积层、第十卷积层以及第十一卷积层；第十一卷积层包括第二分类卷积层以及第二坐标卷积层；通过检测模型的第二检测网络对目标图像进行二次特征提取，取得到第二特征数据，并基于第二特征数据确定多个第二目标检测框及其坐标信息以及各第二目标检测框内是否存在目标对象的步骤包括：通过卷积核为3*5、滑动步长为1*2、通道数为10的第六卷积层对目标图像进行卷积处理，并依次对卷积处理后的目标图像进行激活、池化处理，得到第六卷积层处理后的特征数据；通过卷积核为3*5、滑动步长为1*2、通道数为16的第七卷积层对第六卷积层处理后的特征数据进行卷积处理，并依次对卷积处理后的特征数据进行激活、池化处理，得到第七卷积层处理后的特征数据；通过卷积核为3*5、滑动步长为2*2、通道数为32的第八卷积层对第七卷积层处理后的特征数据进行卷积处理，并对卷积处理后的特征数据进行激活处理，得到第八卷积层处理后的特征数据；通过卷积核为3*3、滑动步长为1*1、通道数为64的第九卷积层对第八卷积层处理后的特征数据进行卷积处理，并对卷积处理后的特征数据进行激活处理，得到第九卷积层处理后的特征数据；通过卷积核为1*1、滑
动步长为1*1、通道数为128的第十卷积层对第九卷积层处理后的特征数据进行卷积处理，并对卷积处理后的特征数据进行激活处理，得到第十卷积层处理后的特征数据；通过第十一卷积层内卷积核为1*1、滑动步长为1*1、通道数为4的第二坐标卷积层对第十卷积层处理后的特征数据进行卷积处理，得到各第二目标检测框及其坐标信息；以及通过第十一卷积层内卷积核为1*1、滑动步长为1*1、通道数为2的第二分类卷积层对第十卷积层处理后的特征数据进行卷积处理，确定各第二目标检测框内是否存在目标对象。
[0013]其中，基于第二检测结果确定目标对象的位本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种目标对象的检测方法，其特征在于，所述目标对象的检测方法包括：获取到待检测图像，其中，所述待检测图像中包含目标对象；对所述待检测图像进行一次特征提取，得到所述待检测图像的第一特征数据，基于所述第一特征数据对所述目标对象进行检测，得到第一检测结果；基于所述第一检测结果对所述待检测图像进行二次特征提取，得到所述待检测图像的第二特征数据，基于所述第二特征数据对所述目标对象进行检测，得到第二检测结果，其中，所述第二特征数据的特征维度高于所述第一特征数据；基于所述第二检测结果确定所述目标对象的位姿信息。2.根据权利要求1所述的目标对象的检测方法，其特征在于，所述对所述待检测图像进行一次特征提取，得到所述待检测图像的第一特征数据，基于所述第一特征数据对所述目标对象进行检测，得到第一检测结果的步骤包括：通过检测模型的第一检测网络对所述待检测图像进行一次特征提取得到所述第一特征数据，并基于所述第一特征数据确定多个第一目标检测框及其坐标信息以及各第一目标检测框内是否存在所述目标对象；基于各存在所述目标对象的第一目标检测框的坐标信息得到所述第一检测结果。3.根据权利要求2所述的目标对象的检测方法，其特征在于，所述基于各存在所述目标对象的第一目标检测框的坐标信息得到所述第一检测结果的步骤包括：利用所述第一检测网络确定各存在所述目标对象的第一目标检测框的置信度；基于置信度最大的第一目标检测框的坐标信息对其他第一目标检测框的坐标信息进行比对，以确定置信度最大的第一目标检测框与各其他第一目标检测框的重叠程度；将与所述置信度最大的第一目标检测框的重叠程度超过第一设定值的其他第一目标检测框去除，并将所述置信度最大的第一目标检测框以及重叠程度不超过第一设定值的其他第一目标检测框的坐标信息确定为所述第一检测结果。4.根据权利要求2所述的目标对象的检测方法，其特征在于，所述第一检测网络包括：相互级联的第一卷积层、第二卷积层、第三卷积层、第四卷积层以及第五卷积层；所述第五卷积层包括第一分类卷积层以及第一坐标卷积层；所述通过检测模型的第一检测网络对所述待检测图像进行一次特征提取得到所述第一特征数据，并基于所述第一特征数据确定多个第一目标检测框及其坐标信息以及各第一目标检测框内是否存在所述目标对象的步骤包括：通过卷积核为3*5、滑动步长为1*2、通道数为10的第一卷积层对所述待检测图像进行卷积处理，并依次对卷积处理后的待检测图像进行激活、池化处理，得到第一卷积层处理后的特征数据；通过卷积核为3*5、滑动步长为1*2、通道数为16的第二卷积层对所述第一卷积层处理后的特征数据进行卷积处理，并对卷积处理后的特征数据进行激活处理，得到第二卷积层处理后的特征数据；通过卷积核为3*5、滑动步长为2*2、通道数为16的第三卷积层对所述第二卷积层处理后的特征数据进行卷积处理，并对卷积处理后的特征数据进行激活处理，得到第三卷积层处理后的特征数据；通过卷积核为3*3、滑动步长为1*1、通道数为16的第四卷积层对所述第三卷积层处理
后的特征数据进行卷积处理，并对卷积处理后的特征数据进行激活处理，得到第四卷积层处理后的特征数据；通过所述第五卷积层内卷积核为1*1、滑动步长为1*1、通道数为4的第一坐标卷积层对所述第四卷积层处理后的特征数据进行卷积处理，得到各第一目标检测框及其坐标信息；以及通过所述第五卷积层内卷积核为1*1、滑动步长为1*1、通道数为2的第一分类卷积层对所述第四卷积层处理后的特征数据进行卷积处理，以确定所述各第一目标检测框内是否存在所述目标对象。5.根据权利要求2所述的目标对象的检测方法，其特征在于，所述基于所述第一检测结果对所述待检测图像进行二次特征提取，得到所述待检测图像的第二特征数据，基于所述第二特征数据对所述目标对象进行检测，得到第二检测结果的步骤包括：基于所述第一检测结果中各存在所述目标对象的第一目标检测框的坐标信息从所述待检测图像中截取目标图像；通过检测模型的第二检测网络对所述目标图像进行二次特征提取，取得到所述第二特征数据，并基于所述第二特征数据确定多个第二目标检测框及其坐标信息以及各第二目标检测框内是否存在所述目标对象；基于各存在所述目标对象的第二目标检测框的坐标信息得到所述第二检测结果。6.根据权利要求5所述的目标对象的检测方法，其特征在于，所述基于各存在所述目标对象的第二目标检测框的坐标信息得到所述第二检测结果的步骤包括：利用所述第二检测网络确定各存在所述目标对象的第二目标检测框的置信度；基于置信度最大的第二目标检测框的坐标信息对其他第二目标检测框的坐标信息进行比对，以确定置信度最大的第二目标检测框与各其他第二目标检测框的重叠程度；将与所述置信度最大的第二目标检测框的重叠程度超过第二设定值的其他第二目标检测框去除，并将所述置信度最大的第二目标检测框以及重叠程度不超过第二设定值的其他第二目标检测框的坐标信息确定为所述第二检测结果。7.根据权利要求5所述的目标对象的检测方法，其特征在于，第二检测网络包括：相互级联的第六卷积层、第七卷积层、第八卷积层、第九卷积层、第十卷积层以及第十一卷积层；所述第十一卷积层包括第二分类卷积层以及第二坐标卷积层；所述通过检测模型的第二检测网络对所述目标图像进行二次特征提取，取得到所述第二特征数据，并基于所述第二特征数据确定多个第二目标检测框及其坐标信息以及各第二目标检测框内是否存在所述目标对象的步骤包括：通过卷积核为3*5、滑动步长为1*2、通道数为10的第六卷积层对所述目标图像进行卷积处理，并依次对卷积处理后的目标图像进行激活、池化处理，得到第六卷积层处理后的特征数据；通过卷积核为3*5、滑动步长为1*2、通道数为16的第七卷积层对所述第六卷积层处理后的特征数据进行卷积处理，并依次对卷积处理后的特征数据进行激活、池化处理，得到第七卷积层处理后的特征数据；通过卷积核为3*5、滑动步长为2*2、通道数为32的第八卷积层对所述第七卷积层处理后的特征数据进行卷积处理，并对卷积处理后的特征数据进行激活处理，得到第八卷积层处理后的特征数据；
通过卷积核为3*3、滑动步长为1*1、通道数为64的第九卷积层对所述第八卷积层处理后...

【专利技术属性】
技术研发人员：王凯，王晓云，麻晓波，支洪平，郑伟伟，高少丹，李小兵，吴军军，
申请(专利权)人：科大讯飞苏州科技有限公司，
类型：发明
国别省市：