目标检测方法及装置制造方法及图纸

本发明专利技术提供一种目标检测方法及装置，方法包括：获取待检测图像；将待检测图像输入至目标检测模型中，得到目标检测模型输出的目标检测结果；其中，目标检测模型是基于训练样本及训练样本对应的数据训练标签训练得到的，数据训练标签包括训练样本对应的训练样本标签、以及对所述训练样本进行高斯处理得到的结果。本发明专利技术通过对训练样本进行高斯处理，以为模型提供更多负样本信息，从而增强模型鲁棒性，并且极大的降低了误检率。极大的降低了误检率。极大的降低了误检率。

【技术实现步骤摘要】
目标检测方法及装置


[0001]本专利技术涉及图像处理
，尤其涉及一种目标检测方法及装置。

技术介绍

[0002]目标检测，也叫目标提取，是一种基于目标几何和统计特征的图像分割。随着计算机技术的发展和计算机视觉原理的广泛应用，利用计算机图像处理技术对目标进行实时跟踪研究越来越热门，对目标进行动态实时跟踪定位在智能化交通系统、智能监控系统、军事目标检测及医学导航手术中手术器械定位等方面具有广泛的应用价值。比如，在某些特定监控场景内，比如自动驾驶场景，需要对上述场景内的抽烟、打电话等行为进行实时检测，以便于及时发出预警，因此，有效降低误检对于驾驶员检测系统(DMS)在实际舱内表现至关重要。
[0003]目前采用的目标检测算法，由于在舱内环境、复杂光线、摄像头素质相对较低等因素，以致误检频繁发生，甚至致使检测算法失效，比如在实际舱内检测香烟目标时，由于目标尺寸过小，舱内环境、光线以及摄像头素质等问题都会使误检频繁发生，降低驾驶员检测系统的准确性。

技术实现思路

[0004]本专利技术提供一种目标检测方法及装置，用以解决现有技术中误检率较高的缺陷，确保在不需要增加额外模型计算量的情况下，显著降低舱内检测的误检，提高模型在不同环境下的鲁棒性。
[0005]本专利技术提供一种目标检测方法，包括：获取待检测图像；将所述待检测图像输入至目标检测模型中，得到所述目标检测模型输出的目标检测结果；其中，所述目标检测模型是基于训练样本及所述训练样本对应的数据训练标签训练得到的，所述数据训练标签包括所述训练样本对应的训练样本标签、以及对所述训练样本进行高斯处理得到的结果。
[0006]根据本专利技术提供的一种目标检测方法，在将所述待检测图像输入至目标检测模型中之前，训练所述目标检测模型，包括：获取训练样本及所述训练样本对应的训练样本标签；对所述训练样本进行高斯处理，得到处理结果；基于所述处理结果和所述训练样本标签，生成对应所述训练样本标签的数据训练标签；将所述训练样本输入至所述待训练模型中，得到所述待训练模型输出的目标预测结果；根据所述目标预测结果和所述数据训练标签，构建损失函数，并基于所述损失函数收敛，结束训练。
[0007]根据本专利技术提供的一种目标检测方法，所述对所述训练样本进行高斯处理，得到处理结果，包括：对所述训练样本进行特征提取，得到特征图，所述特征图包括目标区域和非目标区域；获取所述目标区域的中心点位置，并基于所述中心点位置对所述目标区域进行高斯处理，得到所述处理结果。
[0008]根据本专利技术提供的一种目标检测方法，对所述训练样本进行特征提取，包括：对所述训练样本进行下采样，得到所述特征图。
[0009]根据本专利技术提供的一种目标检测方法，所述待训练模型包括特征提取层和目标检测层，所述将所述训练样本输入至所述待训练模型中，得到所述待训练模型输出的目标预测结果，包括：将所述训练样本输入至所述特征提取层，得到所述特征提取层输出的目标特征图；将所述目标特征图输入至目标检测层，得到所述目标检测层输出的目标预测结果。
[0010]根据本专利技术提供的一种目标检测方法，所述根据目标预测结果和所述数据训练标签，构建损失函数，包括：根据所述目标预测结果和所述数据训练标签，构建第一损失函数；根据所述目标预测结果和所述数据训练标签，构建交叉熵损失函数；基于所述第一损失函数和所述交叉熵损失函数，得到损失函数。
[0011]本专利技术还提供一种目标检测装置，包括：图像获取模块，获取待检测图像；目标检测模块，将所述待检测图像输入至目标检测模型中，得到所述目标检测模型输出的目标检测结果；其中，所述目标检测模型是基于训练样本及所述训练样本对应的数据训练标签训练得到的，所述数据训练标签包括所述训练样本对应的训练样本标签、以及对所述训练样本进行高斯处理得到的结果。
[0012]本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述目标检测方法的步骤。
[0013]本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述目标检测方法的步骤。
[0014]本专利技术还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述目标检测方法的步骤。
[0015]本专利技术提供的目标检测方法及装置，通过对训练样本进行高斯处理，以为模型提供更多负样本信息，从而增强模型鲁棒性，并且极大的降低了误检率。
附图说明
[0016]为了更清楚地说明本专利技术或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图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的前提下，还可以根据这些附图获得其他的附图。
[0017]图1是本专利技术提供的目标检测方法的流程示意图；
[0018]图2是本专利技术提供的训练目标检测模型的流程示意图之一；
[0019]图3是本专利技术提供的训练目标检测模型的流程示意图之二；
[0020]图4是本专利技术提供的目标检测装置的结构示意图；
[0021]图5是本专利技术提供的训练模块的结构示意图；
[0022]图6是本专利技术提供的电子设备的结构示意图。
具体实施方式
[0023]为使本专利技术的目的、技术方案和优点更加清楚，下面将结合本专利技术中的附图，对本专利技术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。
[0024]图1示出了本专利技术的一种目标检测方法的流程示意图，该方法包括：
[0025]S11，获取待检测图像；
[0026]S12，将待检测图像输入至目标检测模型中，得到目标检测模型输出的目标检测结果；其中，目标检测模型是基于训练样本及训练样本对应的数据训练标签训练得到的，数据训练标签包括训练样本对应的训练样本标签、以及对训练样本进行高斯处理得到的结果。
[0027]需要说明的是，本说明书中的S1N不代表目标检测方法的先后顺序，下面具体描述本专利技术的目标检测方法。
[0028]步骤S11，获取待检测图像。
[0029]需要说明的是，获取的待检测图像可以为待进行行为识别、场景识别、身份识别或其他目标识别所需要的图像或视频流。比如，当需要进行自动驾驶异常行为检测时，获取的待检测图片来源于车辆对于驾驶位实时拍摄的视频流或至少一帧图片序列；再比如，当自动驾驶车辆需要进行场景识别时，获取的待检测图片来源于车辆对于车身周围环境实时获取的图片序列，此时待检测图片可以通过车身的雷达、传感器或摄像头等装置获取，此处对待检测图片的来源不做进一步地限定。
[0030]在本实施例中，获取待检测图像，包括：获取单帧待检测图像；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，包括：获取待检测图像；将所述待检测图像输入至目标检测模型中，得到所述目标检测模型输出的目标检测结果；其中，所述目标检测模型是基于训练样本及所述训练样本对应的数据训练标签训练得到的，所述数据训练标签包括所述训练样本对应的训练样本标签、以及对所述训练样本进行高斯处理得到的结果。2.根据权利要求1所述的目标检测方法，其特征在于，在将所述待检测图像输入至目标检测模型中之前，训练所述目标检测模型，包括：获取训练样本及所述训练样本对应的训练样本标签；对所述训练样本进行高斯处理，得到处理结果；基于所述处理结果和所述训练样本标签，生成对应所述训练样本标签的数据训练标签；将所述训练样本输入至所述待训练模型中，得到所述待训练模型输出的目标预测结果；根据所述目标预测结果和所述数据训练标签，构建损失函数，并基于所述损失函数收敛，结束训练。3.根据权利要求2所述的目标检测方法，其特征在于，所述对所述训练样本进行高斯处理，得到处理结果，包括：对所述训练样本进行特征提取，得到特征图，所述特征图包括目标区域和非目标区域；获取所述目标区域的中心点位置，并基于所述中心点位置对所述目标区域进行高斯处理，得到所述处理结果。4.根据权利要求3所述的目标检测方法，其特征在于，对所述训练样本进行特征提取，包括：对所述训练样本进行下采样，得到所述特征图。5.根据权利要求3所述的目标检测方法，其特征在于，所述待训练模型包括特征提取层和目标检测层，所述将所述训练样本输入至所述待训练模型中，...

【专利技术属性】
技术研发人员：贺克赛，
申请(专利权)人：际络科技上海有限公司，
类型：发明
国别省市：