遗留物检测以及模型训练方法、装置和存储介质制造方法及图纸

本申请涉及一种遗留物检测方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：获取待检测图像，提取待检测图像中的目标物体区域图像，得到待检测区域图像；基于待检测区域图像进行目标物体区域处理，得到待检测目标图像；将待检测目标图像输入遗留物检测模型中进行目标物体区域中遗留物的检测，得到待检测图像对应的遗留物检测结果；当遗留物检测结果为存在遗留物时，将待检测目标图像输入到遗留物识别模型中进行遗留物种类识别，得到待检测图像对应的遗留物种类信息。采用本方法能够提供遗留物检测准确度。法能够提供遗留物检测准确度。法能够提供遗留物检测准确度。

【技术实现步骤摘要】
遗留物检测以及模型训练方法、装置和存储介质


[0001]本申请涉及人工智能
，特别是涉及一种遗留物检测以及模型训练方法、装置、计算机设备、存储介质和计算机程序产品。

技术介绍

[0002]随着人工智能的发展，通过人工检测人们在各个场合是否有遗留物的方式已逐渐被人工智能取代，通过人工智能能实现自动检测是否存在遗留物。比如，在自动驾驶的场合中，当乘客下车后能自动检测乘客是否有遗留物，比如手机、衣物、水杯等。现有的遗留物检测方式是对采集的乘客上车前和上车后的图像进行相减，去除相同区域，通过将剩下区域进行对比来判断是否存在遗留物。然而，现有的遗留物检测方式中去除相同区域后剩下的区域可能会出现干扰物，易将干扰物识别为遗留物，从而导致误判的情况，造成遗留物检测准确度低的问题。

技术实现思路

[0003]基于此，有必要针对上述技术问题，提供一种能提高遗留物检测准确度的遗留物检测以及模型训练方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
[0004]第一方面，本申请提供了一种遗留物检测方法。所述方法包括：
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种遗留物检测方法，其特征在于，所述方法包括：获取待检测图像，提取所述待检测图像中的目标物体区域图像，得到待检测区域图像；基于所述待检测区域图像进行目标物体区域处理，得到待检测目标图像；将所述待检测目标图像输入所述遗留物检测模型中进行遗留物的检测，得到所述待检测图像对应的遗留物检测结果；当所述遗留物检测结果为存在遗留物时，将所述待检测目标图像输入到遗留物识别模型中进行遗留物种类识别，得到所述待检测图像对应的遗留物种类信息。2.根据权利要求1所述的方法，其特征在于，所述提取所述待检测图像中的目标物体区域图像，得到待检测区域图像，包括：基于预设标定坐标在所述待检测图像中确定目标物体区域，基于所述目标物体区域提取所述目标物体区域图像，得到所述待检测区域图像。3.根据权利要求1所述的方法，其特征在于，所述基于所述待检测区域图像进行目标物体区域处理，得到待检测目标图像，包括：将所述待检测区域图像进行增亮，得到待检测增亮图像；将所述待检测增亮图进行目标物体视角对齐，得到待检测目标图像。4.根据权利要求3所述的方法，其特征在于，所述将所述待检测增亮图像进行目标物体视角对齐，得到待检测目标图像，包括：对所述待检测增亮图像中目标物体对应的关键点进行提取，基于所述关键点进行目标物体视角对齐，得到所述待检测目标图像。5.根据权利要求1所述的方法，其特征在于，所述遗留物检测模型包括卷积层、激活层、池化层和全连接层；所述卷积层包括深度卷积和逐点卷积；所述将所述待检测目标图像输入所述遗留物检测模型中进行目标物体区域中遗留物的检测，得到所述待检测图像对应的遗留物检测结果，包括：将所述待检测目标图像输入所述卷积层进行深度卷积运算，得到深度卷积结果，将所述深度卷积结果进行逐点卷积运算，得到卷积结果；将所述卷积结果输入所述激活层进行激活运算，得到激活结果；将所述激活结果输入池化层进行池化运算，得到池化结果；将所述池化结果输入全连接层进行全连接运算，得到所述检测结果。6.根据权利要求1所述的方法，其特征在于，在所述得到所述待检测图像对应的遗留物种类信息之后，还包括：基于所述遗留物检测结果和所述遗留物种类信息生成对应的警告信息，并将所述警告信息发送至管理终端，使所述管理终端根据所述警告信息进行相应的处理。7.一种遗留物检测模型训练方法，其特征在于，所述方法包括以下步骤：获取无遗留...

【专利技术属性】
技术研发人员：杨超，刘念邱，
申请(专利权)人：深圳元戎启行科技有限公司，
类型：发明
国别省市：