本申请公开了一种目标检测方法、装置及模型训练方法。其中，该方法包括：获取待检测图像，待检测图像中包括多个移动对象；获取多个移动对象的轨迹信息；将待检测图像及轨迹信息输入目标检测模型，通过目标检测模型从多个移动对象中检测出目标对象；其中，目标检测模型是通过调整预训练模型的输入得到的，其中，预训练模型以样本图像对应的第一图像通道为输入，目标检测模型以聚合通道为输入，聚合通道是依据第一图像通道与第二图像通道确定的，其中，第二图像通道是依据样本图像中多个移动对象的轨迹信息确定的。本申请通过在目标检测时引入时序上的轨迹信息，解决了事故检测中对于无显著视觉特征的事故目标较难识别的技术问题。题。题。
【技术实现步骤摘要】
目标检测方法、装置及模型训练方法
[0001]本申请涉及机器学习
，具体而言，涉及一种目标检测方法、装置及模型训练方法。
技术介绍
[0002]随着汽车数量的大量增长，交通事故的发生也越发频繁，如何尽快地检测出交通事故的发生并进行处理就显得尤为重要，在此基础上，提出了基于计算机视觉技术的事故检测方法，其主要目的是在一段视频中，当有车辆事故行为发生时，生成一个包含事故发生位置的包围框。
[0003]在相关技术中，通常是基于单帧图像物体检测技术，通过成对的事故图像数据以及包围框的标注信息进行训练获得，其可以较好地处理严重的事故行为，因为这种情况下车辆事故产生的场景破坏以及车辆损坏等外观特征能够被良好的建模；然而，多数交通场景中的事故并不会产生显著的视觉特征，如最常见的剐蹭，这一类场景中的事故目标较难识别。而基于连续画面帧的视频分析网络在进行事故检测时会产生较大的计算开销，其在大规模道路场景的视频分析中的效率较低；且获取视频分析网络所需要的较大规模数据也比较困难。
[0004]针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
[0005]本申请实施例提供了一种目标检测方法、装置及模型训练方法，以至少解决相关技术中进行事故检测时对于无显著视觉特征的事故目标较难识别的技术问题。
[0006]根据本申请实施例的一个方面，提供了一种目标检测方法，包括：获取待检测图像，所述待检测图像中包括多个移动对象；获取所述多个移动对象的轨迹信息；将所述待检测图像及所述轨迹信息输入目标检测模型，通过所述目标检测模型从所述多个移动对象中检测出目标对象；其中，所述目标检测模型是通过调整预训练模型的输入得到的，其中，所述预训练模型以样本图像对应的第一图像通道为输入，所述目标检测模型以聚合通道为输入，所述聚合通道是依据所述第一图像通道与第二图像通道确定的，其中，所述第二图像通道是依据所述样本图像中多个移动对象的轨迹信息确定的。
[0007]根据本申请实施例的另一方面，还提供了一种模型训练方法，包括：获取样本图像，确定与所述样本图像对应的第一图像通道，其中，所述第一图像通道为预训练模型的输入，所述预训练模型用于从所述样本图像中的多个移动对象中检测出目标对象；获取所述多个移动对象的轨迹信息，并依据所述轨迹信息确定与所述样本图像对应的第二图像通道；依据所述第一图像通道与所述第二图像通道确定聚合通道，并依据所述聚合通道调整所述预训练模型，得到目标检测模型。
[0008]根据本申请实施例的另一方面，还提供了一种目标检测方法，包括：获取待检测图像，确定与所述待检测图像对应的第一图像通道；获取所述待检测图像中多个移动对象的
轨迹信息，依据所述轨迹信息确定与所述待检测图像对应的第二图像通道；依据所述第一图像通道与所述第二图像通道确定聚合通道；将所述聚合通道作为目标检测模型的输入，通过所述目标检测模型从所述多个移动对象中检测出目标对象。
[0009]根据本申请实施例的另一方面，还提供了一种目标检测装置，包括：第一获取模块，用于获取待检测图像，所述待检测图像中包括多个移动对象；第二获取模块，用于获取所述多个移动对象的轨迹信息；检测模块，用于将所述待检测图像及所述轨迹信息输入目标检测模型，通过所述目标检测模型从所述多个移动对象中检测出目标对象；其中，所述目标检测模型是通过调整预训练模型的输入得到的，其中，所述预训练模型以样本图像对应的第一图像通道为输入，所述目标检测模型以聚合通道为输入，所述聚合通道是依据所述第一图像通道与第二图像通道确定的，其中，所述第二图像通道是依据所述样本图像中多个移动对象的轨迹信息确定的。
[0010]根据本申请实施例的另一方面，还提供了一种非易失性存储介质，所述非易失性存储介质包括存储的程序，其中，在所述程序运行时控制所述非易失性存储介质所在设备执行上述的目标检测方法或模型训练方法。
[0011]根据本申请实施例的另一方面，还提供了一种电子设备，包括：处理器以及存储器，所述存储器与所述处理器连接，用于为所述处理器提供处理以下步骤的指令：获取待检测图像，所述待检测图像中包括多个移动对象；获取所述多个移动对象的轨迹信息；将所述待检测图像及所述轨迹信息输入目标检测模型，通过所述目标检测模型从所述多个移动对象中检测出目标对象；其中，所述目标检测模型是通过调整预训练模型的输入得到的，其中，所述预训练模型以样本图像对应的第一图像通道为输入，所述目标检测模型以聚合通道为输入，所述聚合通道是依据所述第一图像通道与第二图像通道确定的，其中，所述第二图像通道是依据所述样本图像中多个移动对象的轨迹信息确定的。
[0012]在本申请实施例中，通过将样本图像中多个移动对象的轨迹信息生成对应的第二图像通道，将其与样本图像的第一图像通道进行聚合，以此调整预训练模型的卷积层输入，并适应性调整卷积层权重，得到目标检测模型，从而实现了将时序上的高层语义信息通过额外通道增强输入的图像数据，使调整后的目标检测模型能够综合对象的坐标信息、类别信息及一段时间内的轨迹信息对事故目标对象进行判定，进而解决了相关技术中进行事故检测时对于无显著视觉特征的事故目标较难识别的技术问题。
附图说明
[0013]此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
[0014]图1是根据本申请实施例的一种计算机终端的结构示意图；
[0015]图2是根据本申请实施例的一种目标检测方法的流程示意图；
[0016]图3是根据本申请实施例的一种模型训练方法的流程示意图；
[0017]图4是根据本申请实施例的一种模型训练过程的示意图；
[0018]图5是根据本申请实施例的另一种目标检测方法的流程示意图；
[0019]图6是根据本申请实施例的一种目标检测装置的结构示意图。
具体实施方式
[0020]为了使本
的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。
[0021]需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必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，以便这里描述的本申请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。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0022]实施例1
[0023]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，包括：获取待检测图像，所述待检测图像中包括多个移动对象；获取所述多个移动对象的轨迹信息；将所述待检测图像及所述轨迹信息输入目标检测模型，通过所述目标检测模型从所述多个移动对象中检测出目标对象；其中，所述目标检测模型是通过调整预训练模型的输入得到的，其中，所述预训练模型以样本图像对应的第一图像通道为输入，所述目标检测模型以聚合通道为输入，所述聚合通道是依据所述第一图像通道与第二图像通道确定的，其中，所述第二图像通道是依据所述样本图像中多个移动对象的轨迹信息确定的。2.根据权利要求1所述的方法，其中，获取所述多个移动对象的轨迹信息，包括：获取检测跟踪算法缓存的所述多个移动对象在预设时间段内所有时刻的位置信息，其中，所述预设时间段中包括所述待检测图像对应的时刻，所述位置信息包括所述移动对象在所述待检测图像中的位置坐标；对于任一所述移动对象，依据所述移动对象在所述预设时间段内所有时刻的位置坐标，确定所述移动对象的轨迹信息。3.根据权利要求1所述的方法，其中，所述第二图像通道是依据所述样本图像中多个移动对象的轨迹信息确定的，包括：依据所述样本图像中每个移动对象的类型将所述样本图像中多个移动对象划分为多个移动对象子集，其中，每个所述移动对象子集中包括同一类型的所有移动对象，每个所述移动对象子集对应一个所述第二图像通道；对于任一所述移动对象子集，为所述移动对象子集生成一个与所述样本图像对应的初始化通道，其中，所述初始化通道中所有像素值均为0；对于所述移动对象子集中的任一移动对象，将所述移动对象在所述样本图像中的位置信息添加至所述移动对象子集对应的初始化通道中，并将所述移动对象的轨迹信息添加至所述移动对象子集对应的初始化通道中，得到所述移动对象子集对应的第二图像通道。4.根据权利要求3所述的方法，其中，将所述移动对象在所述样本图像中的位置信息添加至所述移动对象子集对应的初始化通道中，包括：依据所述移动对象在所述样本图像中的位置信息，在所述初始化通道中绘制所述移动对象的位置框，其中，所述位置框包围所述移动对象；依据所述位置框的坐标，在所述初始化通道中生成高斯核，其中，所述高斯核中心点处最大值为1。5.根据权利要求3所述的方法，其中，将所述移动对象的轨迹信息添加至所述移动对象子集对应的初始化通道中，包括：依据所述移动对象在预设时间段内所有时刻的位置坐标，确定所述移动对象在所述预设时间段内所有时刻的位置框；将任意两个相邻的位置框的中心点进行连接，得到所述移动对象的轨迹线；将所述轨迹线绘制在所述初始化通道中。6.根据权利要求1所述的方法，其中，所述聚合通道是依据所述第一图像通道与第二图像通道确定的，包括：
将所述第一图像通道与所述第二图像通道进行聚合，得到聚合通道，其中，聚合时所述第一图像通道的均值方差保持不变，所述第二图像通道满足标准正态分布。7.根据权利要求1所述的方法，其...
【专利技术属性】
技术研发人员：王翔宇，高强华，邓兵，黄建强，华先胜，
申请(专利权)人：阿里巴巴新加坡控股有限公司，
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。