一种基于异常检测的目标确定方法及装置制造方法及图纸

本申请提供一种基于异常检测的目标确定方法及装置，用以准确地检测出难以区分类别的目标。获取第一图像；基于目标检测方法，确定第一图像中的至少一个目标图像子区域；确定第一图像对应的第一特征向量；基于第一特征向量和多个样本特征向量，确定第一图像中的至少一个异常图像子区域；针对存在重叠区域的目标图像子区域和异常图像子区域，基于目标图像子区域的面积和异常图像子区域的面积，确定在第一图像中将异常图像子区域删除或保留；将第一图像中剩余的异常图像子区域的位置，确定为第一图像中的待检测的目标的位置。可以准确地检测出难以区分类别的目标。难以区分类别的目标。难以区分类别的目标。

【技术实现步骤摘要】
一种基于异常检测的目标确定方法及装置


[0001]本申请涉及计算机视觉等
，特别涉及一种基于异常检测的目标确定方法及装置。

技术介绍

[0002]在检测图像中的特定信息时，通常采用目标检测的方法。目标检测可以检测到图像中的特定目标，例如人、车、书包或其他常见的类别。通过对神经网络进行训练可以实现相关场景的目标检测任务。基于神经网络的目标检测技术通常需要高精度的样本数据集作支撑。很多场景下的样本数据集可以通过人工标注得到，或者通过已有的大型公开数据集进行相同类别的泛化训练得到。
[0003]但是对于一些特殊的场景(例如楼道杂物堆积的场景)，其中的特定信息(例如堆积的杂物)是难以区分类别的，且无法获取足够多的样本数据。基于目标检测的方法无法检测出图像中的特定信息。

技术实现思路

[0004]本申请提供一种基于异常检测的目标确定方法及装置，用以准确地检测出难以区分类别的目标。
[0005]为达到上述目的，本申请实施例公开了一种基于异常检测的目标确定方法，包括：
[0006]获取待检测场景区域的第一图像；
[0007]基于目标检测方法，确定所述第一图像中的至少一个目标图像子区域；
[0008]确定所述第一图像对应的第一特征向量；基于所述第一特征向量和预先保存的多个样本特征向量，确定所述第一图像中的至少一个异常图像子区域；其中，所述第一图像和所述样本特性向量对应的样本图像是针对相同的场景区域获取的，所述样本图像中不包括异常图像子区域；
[0009]针对存在重叠区域的目标图像子区域和异常图像子区域，基于所述目标图像子区域的面积和所述异常图像子区域的面积，确定在所述第一图像中将所述异常图像子区域删除或保留；
[0010]将所述第一图像中剩余的异常图像子区域的位置，确定为所述第一图像中的待检测的目标的位置。
[0011]一种示例中，所述确定所述第一图像对应的第一特征向量，包括：
[0012]将所述第一图像输入至预先训练好的第一神经网络模型中，得到多个第一特征；其中，所述第一神经网络模型用于提取图像中的特征；
[0013]基于所述多个第一特征，确定所述第一图像对应的第一特征向量。
[0014]一种示例中，所述基于所述第一特征向量和预先保存的多个样本特征向量，确定所述第一图像中的至少一个异常图像子区域，包括：
[0015]基于多个样本特征向量，确定所述多个样本特征向量对应的均值和协方差矩阵；
[0016]基于所述第一特征向量、所述均值、所述协方差矩阵，确定所述第一特征向量和预先保存的多个样本特征向量的差异值矩阵；其中，所述差异值矩阵中的每个元素表示所述第一图像中的每个第一子区域与样本图像中的每个样本子区域的差异值；
[0017]将所述差异值矩阵中的每个元素和第一阈值进行比较，基于大于或等于所述第一阈值的元素对应的第一子区域确定异常图像子区域。
[0018]一种示例中，所述基于所述第一特征向量、所述均值、所述协方差矩阵，确定所述第一特征向量和预先保存的多个样本特征向量的差异值矩阵，包括：
[0019]基于马氏距离公式、所述第一特征向量、所述均值、所述协方差矩阵，确定所述第一特征向量和预先保存的多个样本特征向量的差异值矩阵。
[0020]一种示例中，所述基于所述目标图像子区域的面积和所述异常图像子区域的面积，确定在所述第一图像中将所述异常图像子区域删除或保留，包括：
[0021]确定所述目标图像区域与所述异常图像子区域的交并比；
[0022]判断所述交并比是否大于或等于第二阈值；
[0023]如果是，则在所述第一图像中将所述异常图像子区域删除；
[0024]如果否，则在所述第一图像中将所述异常图像子区域保留。
[0025]一种示例中，在将所述第一图像中剩余的异常图像子区域的位置，确定为所述第一图像中待检测的目标的位置之前，还包括：
[0026]针对第一图像中的每个异常图像子区域，基于所述异常图像子区域在所述第一图像中的第一位置，确定第二图像的所述第一位置上是否存在异常图像子区域；其中，所述第一图像和所述第二图像是针对相同的场景区域获取的，所述第二图像的获取时间早于所述第一图像；
[0027]如果否，则在所述第一图像中删除所述异常图像子区域；
[0028]如果是，则在所述第一图像中保留所述异常图像子区域。
[0029]本申请实施例公开了一种基于异常检测的目标确定装置，包括：
[0030]获取模块，用于获取待检测场景区域的第一图像；
[0031]目标检测模块，用于基于目标检测方法，确定所述第一图像中的至少一个目标图像子区域；
[0032]异常检测模块，用于确定所述第一图像对应的第一特征向量；基于所述第一特征向量和预先保存的多个样本特征向量，确定所述第一图像中的至少一个异常图像子区域；其中，所述第一图像和所述样本特性向量对应的样本图像是针对相同的场景区域获取的，所述样本图像中不包括异常图像子区域；
[0033]目标筛选模块，用于针对存在重叠区域的目标图像子区域和异常图像子区域，基于所述目标图像子区域的面积和所述异常图像子区域的面积，确定在所述第一图像中将所述异常图像子区域删除或保留；将所述第一图像中剩余的异常图像子区域的位置，确定为所述第一图像中的待检测的目标的位置。
[0034]一种示例中，所述异常检测模块，具体用于将所述第一图像输入至预先训练好的第一神经网络模型中，得到多个第一特征；其中，所述第一神经网络模型用于提取图像中的特征；基于所述多个第一特征，确定所述第一图像对应的第一特征向量。
[0035]一种示例中，所述异常检测模块，具体用于基于多个样本特征向量，确定所述多个
样本特征向量对应的均值和协方差矩阵；基于所述第一特征向量、所述均值、所述协方差矩阵，确定所述第一特征向量和预先保存的多个样本特征向量的差异值矩阵；其中，所述差异值矩阵中的每个元素表示所述第一图像中的每个第一子区域与样本图像中的每个样本子区域的差异值；将所述差异值矩阵中的每个元素和第一阈值进行比较，基于大于或等于所述第一阈值的元素对应的第一子区域确定异常图像子区域。
[0036]一种示例中，所述异常检测模块，具体用于基于马氏距离公式、所述第一特征向量、所述均值、所述协方差矩阵，确定所述第一特征向量和预先保存的多个样本特征向量的差异值矩阵。
[0037]一种示例中，所述异常检测模块，具体用于确定所述目标图像区域与所述异常图像子区域的交并比；判断所述交并比是否大于或等于第二阈值；如果是，则在所述第一图像中将所述异常图像子区域删除；如果否，则在所述第一图像中将所述异常图像子区域保留。
[0038]一种示例中，还包括：时序追踪模块，用于针对第一图像中的每个异常图像子区域，基于所述异常图像子区域在所述第一图像中的第一位置，确定第二图像的所述第一位置上是否存在异常图像子区域；其中，所述第一图像和所述第二图像是针对相本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于异常检测的目标确定方法，其特征在于，包括：获取待检测场景区域的第一图像；基于目标检测方法，确定所述第一图像中的至少一个目标图像子区域；确定所述第一图像对应的第一特征向量；基于所述第一特征向量和预先保存的多个样本特征向量，确定所述第一图像中的至少一个异常图像子区域；其中，所述第一图像和所述样本特性向量对应的样本图像是针对相同的场景区域获取的，所述样本图像中不包括异常图像子区域；针对存在重叠区域的目标图像子区域和异常图像子区域，基于所述目标图像子区域的面积和所述异常图像子区域的面积，确定在所述第一图像中将所述异常图像子区域删除或保留；将所述第一图像中剩余的异常图像子区域的位置，确定为所述第一图像中的待检测的目标的位置。2.如权利要求1所述的方法，其特征在于，所述基于所述第一特征向量和预先保存的多个样本特征向量，确定所述第一图像中的至少一个异常图像子区域，包括：基于多个样本特征向量，确定所述多个样本特征向量对应的均值和协方差矩阵；基于所述第一特征向量、所述均值、所述协方差矩阵，确定所述第一特征向量和预先保存的多个样本特征向量的差异值矩阵；其中，所述差异值矩阵中的每个元素表示所述第一图像中的每个第一子区域与样本图像中的每个样本子区域的差异值；将所述差异值矩阵中的每个元素和第一阈值进行比较，基于大于或等于所述第一阈值的元素对应的第一子区域确定异常图像子区域。3.如权利要求2所述的方法，其特征在于，所述基于所述第一特征向量、所述均值、所述协方差矩阵，确定所述第一特征向量和预先保存的多个样本特征向量的差异值矩阵，包括：基于马氏距离公式、所述第一特征向量、所述均值、所述协方差矩阵，确定所述第一特征向量和预先保存的多个样本特征向量的差异值矩阵。4.如权利要求1所述的方法，其特征在于，所述基于所述目标图像子区域的面积和所述异常图像子区域的面积，确定在所述第一图像中将所述异常图像子区域删除或保留，包括：确定所述目标图像区域与所述异常图像子区域的交并比；判断所述交并比是否大于或等于第二阈值；如果是，则在所述第一图像中将所述异常图像子区域删除；如果否，则在所述第一图像中将所述异常图像子区域保留。5.如权利要求1所述的方法，其特征在于，在将所述第一图像中剩余的异常图像子区域的位置，确定为所述第一图像中待检测的目标的位置之前，还包括：针对第一图像中的每个异常图像子区域，基于所述异常图像子区域在所述第一图像中的第一位置，确定第二图像的所述第一位置上是否存在异常图像子区域；其中，所述第一图像和所述第二图像是针对相同的场景区域获取的，所述第二图像的...

【专利技术属性】
技术研发人员：朱锦程，
申请(专利权)人：天翼云科技有限公司，
类型：发明
国别省市：