目标物体检测方法、装置、电子设备及存储介质制造方法及图纸

本申请提供一种目标物体检测方法、装置、电子设备及计算机可读存储介质。该目标物体检测方法包括：获取预设区域的状态图像；根据所述状态图像进行特征提取处理，得到所述状态图像的图像特征；根据图像特征进行预测处理，得到所述预设区域存在物体分别是预设的第一物体类别的第一置信度、预设的第二物体类别的第二置信度；根据所述第一置信度和所述第二置信度，确定所述预设区域是否存在目标物体。本申请中可以在一定程度上提高对目标物体的检测精度。精度。精度。

【技术实现步骤摘要】
目标物体检测方法、装置、电子设备及存储介质


[0001]本申请涉及计算机视觉
，具体涉及一种目标物体检测方法、装置、电子设备及计算机可读存储介质。

技术介绍

[0002]随着计算视觉技术的快速发展，计算视觉技术的应用越来越广泛，例如，可以基于特定场景区域的图像检测出特定场景区域内是否存在目标物体。对目标物体进行准确地检测，对于某些应用场景，如检测物流中转场中是否有快件掉落等有着积极的意义。
[0003]现有技术中，通过检测模型直接根据特定场景区域图像的图像特征进行(存在目标物体、不存在目标物体)二分类，以确定图像中是否存在目标物体，进而确定特定场景区域中是否存在目标物体。
[0004]然而，目标物体有时候是单个摆置的、有时候是多个堆在一起摆置的，由于目标物体的摆放存在不规则性，因此含有目标物体的不同图像的图像特征存在较大差异，直接基于图像特征进行二分类，会导致目标物体的检测精度较低。

技术实现思路

[0005]本申请提供一种目标物体检测方法、装置、电子设备及计算机可读存储介质，旨在解决现有的目标物体检测方法在检测存在摆置不规则性的目标物体时，存在检测精度低的问题。
[0006]第一方面，本申请提供一种目标物体检测方法，所述方法包括：
[0007]获取预设区域的状态图像；
[0008]根据所述状态图像进行特征提取处理，得到所述状态图像的图像特征；
[0009]根据图像特征进行预测处理，得到所述预设区域存在物体分别是预设的第一物体类别的第一置信度、预设的第二物体类别的第二置信度；
[0010]根据所述第一置信度和所述第二置信度，确定所述预设区域是否存在目标物体。
[0011]第二方面，本申请提供一种目标物体检测装置，所述目标物体检测装置包括：
[0012]获取单元，用于获取预设区域的状态图像；
[0013]提取单元，用于根据所述状态图像进行特征提取处理，得到所述状态图像的图像特征；
[0014]预测单元，用于根据图像特征进行预测处理，得到所述预设区域存在物体分别是预设的第一物体类别的第一置信度、预设的第二物体类别的第二置信度；
[0015]确定单元，用于根据所述第一置信度和所述第二置信度，确定所述预设区域是否存在目标物体。
[0016]在本申请一种可能的实现方式中，所述根据所述第一置信度和所述第二置信度，确定所述预设区域是否存在目标物体步骤之前，所述预测单元具体用于：
[0017]根据所述图像特征进行预测处理，得到所述预设区域存在物体是预设的目标物体
类别的第三置信度，其中，所述第一物体类别和所述第二物体类别均从属于所述目标物体类别；
[0018]在本申请一种可能的实现方式中，所述确定单元具体用于：
[0019]根据所述第一置信度、所述第二置信度和所述第三置信度，确定所述预设区域是否存在目标物体。
[0020]在本申请一种可能的实现方式中，所述确定单元具体用于：
[0021]从所述第一置信度、所述第二置信度和所述第三置信度中，获取数值最大的置信度，以作为所述预设区域存在目标物体的目标置信度；
[0022]检测所述目标置信度是否大于第一预设阈值；
[0023]当检测到所述目标置信度大于第一预设阈值时，确定所述预设区域存在目标物体；
[0024]当检测到所述目标置信度小于或等于第一预设阈值时，确定所述预设区域不存在目标物体。
[0025]在本申请一种可能的实现方式中，所述预测单元具体用于：
[0026]调用训练后第一检测网络中的第一预测子网络，根据图像特征进行预测处理，得到所述第一置信度和所述第二置信度；
[0027]调用训练后第一检测网络中的第二预测子网络，根据所述图像特征进行预测处理，得到所述第三置信度，其中，所述第一预测子网络和所述第二预测子网络为并联分支。
[0028]在本申请一种可能的实现方式中，所述确定单元具体用于：
[0029]根据所述第一置信度和所述第二置信度进行预测处理，得到所述预设区域存在物体是预设的目标物体类别的第四置信度；
[0030]检测所述第四置信度是否大于第二预设阈值；
[0031]当检测到所述第四置信度大于第二预设阈值时，确定所述预设区域存在目标物体；
[0032]当检测到所述第四置信度小于或等于第二预设阈值时，确定所述预设区域不存在目标物体。
[0033]在本申请一种可能的实现方式中，所述预测单元具体用于：
[0034]调用训练后第二检测网络中的第三预测子网络，根据图像特征进行预测处理，得到所述第一置信度和所述第二置信度；
[0035]调用训练后第二检测网络中的第四预测子网络，根据所述第一置信度和所述第二置信度进行预测处理，得到所述第四置信度，其中，所述第三预测子网络和所述第四预测子网络为级联分支。
[0036]在本申请一种可能的实现方式中，所述目标物体检测装置还包括训练单元，所述训练单元具体用于：
[0037]获取训练数据集，其中，所述训练数据集包括所述第一物体类别的第一样本图像、以及所述第二物体类别的第二样本图像；
[0038]获取所述第一样本图像与所述第二样本图像之间的数据差值；
[0039]当所述数据差值大于预设数量阈值时，对目标样本类别的样本图像进行扩增，得到更新后的训练数据集，其中，目标样本类别是指所述第一物体类别和所述第二物体类别
中，样本图像的数量最少的类别；
[0040]根据所述更新后的训练数据集对第一预设网络进行训练，得到所述第二检测网络。
[0041]在本申请一种可能的实现方式中，所述目标物体检测装置还包括告警单元，所述告警单元具体用于：
[0042]当确定所述预设区域存在目标物体时，输出异常告警信息。
[0043]第三方面，本申请还提供一种电子设备，所述电子设备包括处理器和存储器，所述存储器中存储有计算机程序，所述处理器调用所述存储器中的计算机程序时执行本申请提供的任一种目标物体检测方法中的步骤。
[0044]第四方面，本申请还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器进行加载，以执行所述的目标物体检测方法中的步骤。
[0045]本申请通过针对目标物体的摆置不规则性，分别检测(目标物体处于)差异较大的不同摆置状态的置信度，即分别预测预设区域存在物体分别是预设的第一物体类别的第一置信度、预设的第二物体类别的第二置信度；再基于第一置信度和第二置信度确定预设区域内是否存在目标物体。可以避免直接基于图像特征进行(存在目标物体、不存在目标物体的)二分类，进而避免目标物体不同摆置状态的图像特征差异较大，二分类模型较难精准判别是否存在目标物体的问题，从而提高对目标物体的检测精度。
附图说明
[0046]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种目标物体检测方法，其特征在于，所述方法包括：获取预设区域的状态图像；根据所述状态图像进行特征提取处理，得到所述状态图像的图像特征；根据图像特征进行预测处理，得到所述预设区域存在物体分别是预设的第一物体类别的第一置信度、预设的第二物体类别的第二置信度；根据所述第一置信度和所述第二置信度，确定所述预设区域是否存在目标物体。2.根据权利要求1所述的目标物体检测方法，其特征在于，所述根据所述第一置信度和所述第二置信度，确定所述预设区域是否存在目标物体，之前还包括：根据所述图像特征进行预测处理，得到所述预设区域存在物体是预设的目标物体类别的第三置信度，其中，所述第一物体类别和所述第二物体类别均从属于所述目标物体类别；所述根据所述第一置信度和所述第二置信度，确定所述预设区域是否存在目标物体，包括：根据所述第一置信度、所述第二置信度和所述第三置信度，确定所述预设区域是否存在目标物体。3.根据权利要求2所述的目标物体检测方法，其特征在于，所述根据所述第一置信度、所述第二置信度和所述第三置信度，确定所述预设区域是否存在目标物体，包括：从所述第一置信度、所述第二置信度和所述第三置信度中，获取数值最大的置信度，以作为所述预设区域存在目标物体的目标置信度；检测所述目标置信度是否大于第一预设阈值；当检测到所述目标置信度大于第一预设阈值时，确定所述预设区域存在目标物体；当检测到所述目标置信度小于或等于第一预设阈值时，确定所述预设区域不存在目标物体。4.根据权利要求2所述的目标物体检测方法，其特征在于，所述根据图像特征进行预测处理，得到所述预设区域存在物体分别是预设的第一物体类别的第一置信度、预设的第二物体类别的第二置信度，包括：调用训练后第一检测网络中的第一预测子网络，根据图像特征进行预测处理，得到所述第一置信度和所述第二置信度；所述根据所述图像特征进行预测处理，得到所述预设区域存在物体是预设的目标物体类别的第三置信度，包括：调用训练后第一检测网络中的第二预测子网络，根据所述图像特征进行预测处理，得到所述第三置信度，其中，所述第一预测子网络和所述第二预测子网络为并联分支。5.根据权利要求1所述的目标物体检测方法，其特征在于，所述根据所述第一置信度和所述第二置信度，确定所述预设区域是否存在目标物体，包括：根据所述第一置信度和所述第二置信度进行预测处理，得到所述预设区域存在物体是预设的目标物体类别的第四置信度；检测所述第四置信度是否大于第二预设阈值；当检测到所述...

【专利技术属性】
技术研发人员：陈奇华，杨小平，
申请(专利权)人：顺丰科技有限公司，
类型：发明
国别省市：