本发明专利技术实施例提供了一种目标检测方法、装置和机器可读存储介质。其中的方法包括：获取待检测图像，所述待检测图像中包含目标对象；将所述待检测图像输入至全定点目标检测网络中进行检测处理，得到所述待检测图像在每个尺度参数上对应的特征数据，所述特征数据包括每个特征点对应的边界框，所述边界框对应一个目标置信度；根据所述目标置信度确定每个尺度参数对应的边界框集合；向处理器发送数据处理请求，所述数据处理请求携带每个尺度参数对应的边界框集合，以使所述处理器根据所述每个尺度参数对应的边界框集合，执行数据处理操作。本发明专利技术实施例可以有效降低边缘计算设备的存储成本，有利于降低CPU功耗，且无需额外增加硬件开销。开销。开销。
【技术实现步骤摘要】
一种目标检测方法、装置和机器可读存储介质
[0001]本专利技术涉及目标检测
，尤其涉及一种目标检测方法、装置和机器可读存储介质。
技术介绍
[0002]在计算机视觉中，目标检测是在图像和视频中扫描和搜寻目标，换言之，是在一个场景中对目标进行定位和识别。随着深度学习技术的不断发展，以卷积神经网络为代表的一系列深度学习模型在目标检测领域取得了良好的效果，并在生活中得到了广泛应用。
[0003]现有的目标检测网络在边缘计算设备中实现时，主要有两种方式：一种是由边缘计算设备的硬件与CPU（Central Processing Unit，中央处理器）相结合，共同完成目标检测；另一种是在边缘计算设备中固化实现目标检测。
[0004]然而，第一种实现方式中，硬件输出的数据量较大，会带来较大的存储成本；并且，边缘计算设备通常会直接将输出数据传输给CPU进行后续的复杂运算，导致CPU接收到的数据中存在较多的无效数据，增加了CPU功耗。在第二种实现方式中，目标检测的数据处理逻辑较为复杂，通过硬件固化实现时，会大大增加硬件开销。
技术实现思路
[0005]本专利技术实施例提供一种目标检测方法、装置和机器可读存储介质，可以对全定点目标检测网络的输出数据进行过滤，减少 CPU的计算量，同时还能节省硬件开销。
[0006]第一方面，本专利技术实施例公开了一种目标检测方法，应用于边缘计算设备，所述方法包括：获取待检测图像，所述待检测图像中包含目标对象；将所述待检测图像输入至全定点目标检测网络中进行检测处理，得到所述待检测图像在每个尺度参数上对应的特征数据，所述特征数据包括每个特征点对应的边界框，所述边界框对应一个目标置信度，所述目标置信度用于度量所述目标对象位于所述边界框内的概率；根据所述目标置信度确定每个尺度参数对应的边界框集合，所述边界框集合中包含目标边界框和所述目标边界框的位置信息，所述目标边界框的目标置信度大于或等于预设的置信度阈值；向处理器发送数据处理请求，所述数据处理请求携带每个尺度参数对应的边界框集合，以使所述处理器根据所述每个尺度参数对应的边界框集合，执行数据处理操作。
[0007]第二方面，本专利技术实施例公开了一种目标检测装置，应用于边缘计算设备，所述装置包括：图像获取模块，用于获取待检测图像，所述待检测图像中包含目标对象；检测处理模块，用于将所述待检测图像输入至全定点目标检测网络中进行检测处理，得到所述待检测图像在每个尺度参数上对应的特征数据，所述特征数据包括每个特征
点对应的边界框，所述边界框对应一个目标置信度，所述目标置信度用于度量所述目标对象位于所述边界框内的概率；边界框确定模块，用于根据所述目标置信度确定每个尺度参数对应的边界框集合，所述边界框集合中包含目标边界框和所述目标边界框的位置信息，所述目标边界框的目标置信度大于或等于预设的置信度阈值；请求发送模块，用于向处理器发送数据处理请求，所述数据处理请求携带每个尺度参数对应的边界框集合，以使所述处理器根据所述每个尺度参数对应的边界框集合，执行数据处理操作。
[0008]第三方面，本专利技术实施例公开了一种机器可读存储介质，其上存储有指令，当所述指令由装置的一个或多个处理器执行时，使得装置执行如前述一个或多个所述的目标检测方法。
[0009]本专利技术实施例包括以下优点：本专利技术实施例提供的目标检测方法，可以根据边界框的目标置信度对全定点目标检测网络在每个尺度参数上输出的边界框进行过滤，滤除目标置信度小于预设的置信度阈值的边界框，仅保留目标置信度大于或等于置信度阈值的目标边界框，可以有效降低边缘计算设备的存储成本；并且，在本专利技术实施例中，边缘计算设备向CPU仅发送过滤后的目标边界框，减少了CPU运算的数据量，有利于降低CPU功耗。此外，本专利技术实施例中，针对目标边界框的后续数据操作均由CPU处理，无需额外增加硬件开销。
附图说明
[0010]为了更清楚地说明本专利技术实施例的技术方案，下面将对本专利技术实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅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性的前提下，还可以根据这些附图获得其他的附图。
[0011]图1是本专利技术的一种目标检测方法实施例的步骤流程图；图2是本专利技术的一种目标检测系统的结构示意图；图3是本专利技术的一种目标检测装置实施例的结构框图。
具体实施方式
[0012]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例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作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。
[0013]本专利技术的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象，而不用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便本专利技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施，且“第一”、“第二”等所区分的对象通常为一类，并不限定对象的个数，例如第一对象可以是一个，也可以是多个。此外，说明书以及权利要求中的术语“和/或”用于描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三
种情况。字符“/”一般表示前后关联对象是一种“或”的关系。本专利技术实施例中术语“多个”是指两个或两个以上，其它量词与之类似。
[0014]参照图1，示出了本专利技术的一种目标检测方法实施例的步骤流程图，所述方法可应用于边缘计算设备，所述方法可以包括如下步骤：步骤101、获取待检测图像，所述待检测图像中包含目标对象。
[0015]步骤102、将所述待检测图像输入至全定点目标检测网络中进行检测处理，得到所述待检测图像在每个尺度参数上对应的特征数据，所述特征数据包括每个特征点对应的边界框，所述边界框对应一个目标置信度，所述目标置信度用于度量所述目标对象位于所述边界框内的概率。
[0016]步骤103、根据所述目标置信度确定每个尺度参数对应的边界框集合，所述边界框集合中包含目标边界框和所述目标边界框的位置信息，所述目标边界框的目标置信度大于或等于预设的置信度阈值。
[0017]步骤104、向处理器发送数据处理请求，所述数据处理请求携带每个尺度参数对应的边界框集合，以使所述处理器根据所述每个尺度参数对应的边界框集合，执行数据处理操作。
[0018]本专利技术实施例提供的目标检测方法，可以应用于边缘计算设备。需要说明的是，边缘计算是指在靠近物或数据源头的一侧，采用网络、计算、存储及应用等能力，就近提供最近端服务。在某种意义上，边缘计算可以看做云计算的补充或云计算的预处理。所述边缘计算设备用于提供边缘计算服务。在本专利技术实施例中，所述边缘计算设备可以包括两类，一类需要连接外部摄像头，另一类集成有摄像头，可根据两类边缘计算设备中的至少一类来构建目标检测系统。示例性地，所述边缘计算设备本文档来自技高网...
【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，应用于边缘计算设备，所述方法包括：获取待检测图像，所述待检测图像中包含目标对象；将所述待检测图像输入至全定点目标检测网络中进行检测处理，得到所述待检测图像在每个尺度参数上对应的特征数据，所述特征数据包括每个特征点对应的边界框，所述边界框对应一个目标置信度，所述目标置信度用于度量所述目标对象位于所述边界框内的概率；根据所述目标置信度确定每个尺度参数对应的边界框集合，所述边界框集合中包含目标边界框和所述目标边界框的位置信息，所述目标边界框的目标置信度大于或等于预设的置信度阈值；向处理器发送数据处理请求，所述数据处理请求携带每个尺度参数对应的边界框集合，以使所述处理器根据所述每个尺度参数对应的边界框集合，执行数据处理操作。2.根据权利要求1所述的方法，其特征在于，所述根据所述目标置信度确定每个尺度参数对应的边界框集合，包括：根据预设的激活函数建立函数映射表，所述函数映射表包括置信度定点值与定点概率值之间的映射关系；根据预设的浮点概率门限值计算定点概率门限值；在所述函数映射表中查找所述定点概率门限值对应的置信度定点值，并将所述定点概率门限值对应的置信度定点值确定为置信度阈值；将各个边界框对应的目标置信度与所述置信度阈值进行比较；若存在目标置信度大于或等于所述置信度阈值的边界框，则确定所述边界框为目标边界框；按照每个目标边界框对应的尺度参数对目标边界框进行聚类，得到每个尺度参数对应的边界框集合。3.根据权利要求2所述的方法，其特征在于，所述每个尺度参数对应的边界框集合中包含的目标边界框的数目小于或等于预设数目。4.根据权利要求3所述的方法，其特征在于，所述按照每个目标边界框对应的尺度参数对目标边界框进行聚类，得到每个尺度参数对应的边界框集合，包括：按照每个目标边界框对应的尺度参数对目标边界框进行聚类，得到每个尺度参数对应的目标边界框；确定每个尺度参数对应的目标边界框的数目；若第一尺度参数对应的目标边界框的数目大于预设数目，则按照目标边界框的生成时间，在所述第一尺度参数对应的目标边界框中顺序选取预设数目个目标边界框，得到所述第一尺度参数对应的边界框集合，其中，所述第一尺度参数为任意一个预设的尺度参数。5.根据权利要求1所述的方法，其特征在于，所述特征数据还包括每个特征点对应的类别得分信息和位置回归值；所述类别得分信息用于指示特征点属于各个类别的概率。6.根据权利要求1所述的方法，其特征在于，所述数据处理操作包括边界框解码操作、非极大值抑制操作中的至少一项。7.根据权利要求1所述的方法，其特征在于，所述方法还包括：若所述待检测图像在各个尺度参数上对应的特征数据中不包含目标置信度大于或等
于预设的置信度阈值的目标边界框，则继续检测下一帧待检测图像。8.一种目标检测装置，其特征在于，应用于边缘计算设备，所述装置包括：图像获取模块，用于获取待检测图像，所述待检测图像中包含目标对象；检测处理模块，用于将所述待检测...
【专利技术属性】
技术研发人员：凌明，艾国，杨作兴，
申请(专利权)人：深圳比特微电子科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。