目标检测方法及目标检测器、系统和介质技术方案

本申请提供一种目标检测方法及目标检测器、系统和介质，通过目标检测网络模型对待测图像以不同感受野大小进行多尺度特征提取和融合，以获得所述待测图像全局范围内不同尺度的目标对象的检测结果，不同尺度的目标对象至少包括尺度小于阈值尺度的小目标对象以及部分被遮挡的重叠目标对象，所述检测结果包括所述目标对象的类别信息、类别置信度信息以及位置信息。因此，本申请提供的目标检测方法可以较好的应用于无人机航拍视角下的目标检测，实现多尺度、小尺度以及被遮挡目标对象的检测。小尺度以及被遮挡目标对象的检测。小尺度以及被遮挡目标对象的检测。

【技术实现步骤摘要】
目标检测方法及目标检测器、系统和介质


[0001]本申请涉及智能驾驶
，尤其是涉及一种目标检测方法及目标检测器、系统和介质。

技术介绍

[0002]目标检测是计算机视觉领域的最重要的应用之一，已被广泛应用到了行人检测、疾病诊断、交通追踪及遥感图像目标检测等领域。近年来，由于无人机获取图像的便捷性和多角度特性，利用无人机拍摄的图像，对感兴趣目标进行检测，用于城市及交通管理，已经成为智慧城市建设的重要内容。
[0003]随着无人机的飞行，拍摄到的物体的尺度在不断变化，图像中会存在许多密集目标以及小尺度、大尺度目标，会对物体的识别带来影响。此外，在无人机拍摄过程中，还会存在物体间的遮挡的情况。航拍图像的这些特点，为目标检测带来了一定的困难，目前目标检测技术并不能很好的从航拍图像中识别出各个感兴趣的目标。

技术实现思路

[0004]为解决现有存在的技术问题，本申请提供一种可以检测出多尺度目标检测对象、小尺度目标检测对象以及被遮挡目标检测对象的目标检测方法及目标检测器、系统和介质。
[0005]一种目标检测方法，包括：
[0006]获取含目标对象的待测图像；
[0007]通过目标检测网络模型对所述待测图像以不同感受野大小进行多尺度特征提取和融合，获得所述待测图像全局范围内不同尺度的所述目标对象的检测结果，不同尺度的所述目标对象至少包括尺度小于阈值尺度的小目标对象以及部分被遮挡的重叠目标对象，所述检测结果包括所述目标对象的类别信息、类别置信度信息以及位置信息。
[0008]一种目标检测器，包括存储器及处理器，所述存储器内存储有可被所述处理器执行的计算机程序，所述计算机程序被所述处理器执行时实现目标检测方法。
[0009]一种目标检测系统，包括图像采集设备、目标检测器以及显示器；
[0010]所述图像采集设备用于采集含目标检测对象的待测图像；
[0011]所述显示器用于显示所述目标检测器获得的检测结果。
[0012]一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现目标检测方法。
[0013]由上可见，本申请提供的目标检测方法及目标检测器、系统和介质，通过目标检测网络模型对所述待测图像以不同感受野大小进行多尺度特征提取和融合，以获得所述待测图像全局范围内不同尺度的所述目标对象的检测结果，不同尺度的所述目标对象至少包括尺度小于阈值尺度的小目标对象以及部分被遮挡的重叠目标对象，所述检测结果包括各个所述目标对象的类别信息、类别置信度信息以及位置信息。因此，本申请提供的目标检测方
法可以较好的应用于无人机航拍视角下的目标检测，实现多尺度，小尺度以及被遮挡目标对象的检测。
附图说明
[0014]图1为依据本申请实施例提供的目标检测方法流程示意图；
[0015]图2为依据本申请实施例提供的目标检测方法中获取的第一待测图像；
[0016]图3为依据本申请实施例提供的目标检测方法对第二待测图像进行目标检测获得的结果展示图像；
[0017]图4为依据本申请实施例提供的目标检测方法流程示意图；
[0018]图5为依据本申请实施例提供的目标检测方法流程中，对航拍红外图像进行背景除杂处理后的效果展示图像；
[0019]图6为依据本申请实施例提供的目标检测方法流程中，对航拍红外图像进行对比增强处理后的效果展示图像；
[0020]图7为依据本申请实施例提供的目标检测方法流程示意图；
[0021]图8为依据本申请实施例提供的目标检测方法流程示意图；
[0022]图9为未设置通道注意力模块层的目标检测网络对第三待测图像进行目标检测，获得的结果展示图像；
[0023]图10为设置有通道注意力模块层的目标检测网络模型对第三待测图像进行目标检测，获得的结果展示图像；
[0024]图11为依据本申请实施例提供的目标检测方法中基于注意力机制获得各个尺度的特征图的方法流程示意图；
[0025]图12为本申请实施例提供的目标检测方法中采用的通道注意力机制的原理示意图；
[0026]图13为依据本申请实施例提供的目标检测方法中利用特征融合获得目标检测结果的方法流程示意图；
[0027]图14为依据本申请实施例提供的目标检测方法中所采用的空间金字塔层的结构示意图；
[0028]图15为未设置空间金字塔层的目标检测网络对第二待测图像进行目标检测，获得的结果展示图像；
[0029]图16为依据本申请实施例提供的目标检测方法流程示意图；
[0030]图17为依据本申请实施例提供的目标检测方法中进行数据增强处理后获得的训练样本图像；
[0031]图18为未采用数据增强的训练集进行训练的目标检测网络对第四待测图像进行目标检测，获得的结果展示图像；
[0032]图19为采用数据增强处理后的训练集训练的目标检测网络模型对第四待测图像进行目标检测，获得的结果展示图像；
[0033]图20为依据本申请实施例提供的目标检测方法中进行随机遮挡后的训练样本图像；
[0034]图21为依据本申请实施例提供的目标检测方法的流程示意图；
[0035]图22为依据本申请实施例提供的目标检测器的结构示意图；
[0036]图23为无人机基于本申请实施例提供的目标检测器进行目标检测的流程示意图；
[0037]图24为依据本申请实施例提供的目标检测系统结构示意图。
具体实施方式
[0038]以下结合说明书附图及具体实施例对本申请技术方案做进一步的详细阐述。
[0039]为了使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请作进一步地详细描述，所描述的实施例不应视为对本申请的限制，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它实施例，都属于本申请保护的范围。
[0040]在以下的描述中，涉及到“一些实施例”的表述，其描述了所有可能实施例的子集，需要说明的是,“一些实施例”可以是所有可能实施例的相同子集或不同子集，并且可以在不冲突的情况下相互结合。
[0041]在以下的描述中，所涉及的术语“第一、第二、第三”仅仅是区别类似的对象，不代表针对对象的特定排序，可以理解地，“第一、第二、第三”在允许的情况下可以互换特定的顺序或先后次序，以使这里描述的本申请实施例能够以除了在这里图示或描述的以外的顺序实施。
[0042]除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的
的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的，不是旨在限制本申请。
[0043]请参阅图1所示，其为依据本申请实施例提供的目标检测方法流程示意图。本申请实施例提供的目标检测方法应用于如图22所示的目标检测器，该目标检测器中的存储器存储有目标检测计算机程序指令，该目标检测器中的处理器在执行该存储器存储的目标检测计算机本文档来自技高网...

【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：获取含目标对象的待测图像；通过目标检测网络模型对所述待测图像以不同感受野大小进行多尺度特征提取和融合，获得所述待测图像全局范围内不同尺度的所述目标对象的检测结果，不同尺度的所述目标对象至少包括尺度小于阈值尺度的小目标对象以及部分被遮挡的重叠目标对象，所述检测结果包括所述目标对象的类别信息、类别置信度信息以及位置信息。2.根据权利要求1所述的目标检测方法，其特征在于，所述获取含目标对象的待测图包括：获取含目标对象的航拍红外图像。3.根据权利要求2所述的目标检测方法，其特征在于，在所述对所述待测图像进行目标检测之前，所述目标检测方法还包括：对所述航拍红外图像进行对比度增强处理；和/或，对所述航拍红外图像进行背景除杂处理。4.根据权利要求3所述的目标检测方法，其特征在于，所述对所述航拍红外图像进行对比度增强处理包括：采用自适应直方图均衡化算法对所述航拍红外图像进行对比度增强处理；和/或，所述对所述航拍红外图像进行背景除杂处理，包括：采用高斯模糊算法对所述航拍红外图像进行背景除杂处理。5.根据权利要求1所述的目标检测方法，其特征在于，所述通过目标检测网络模型对所述待测图像以不同感受野大小进行多尺度特征提取和融合，获得所述待测图像全局范围内不同尺度的所述目标对象的检测结果，包括：将所述待测图像输入至目标检测网络模型中，通过多采样通道分别对所述待测图像进行不同采样倍率的下采样处理，得到不同尺度的第一特征图；基于通道注意力机制分别对不同尺度的所述第一特征图进行特征提取，获得与各个不同尺度的第一特征图对应的第二特征图；根据各个所述第二特征图进行特征融合，获得与各个不同尺度的所述目标检测对象对应的融合特征图，并分别根据各个所述融合特征图进行对应尺度的目标对象的检测，获得所述检测结果。6.根据权利要求5所述的目标检测方法，其特征在于，所述基于通道注意力机制对各个所述采样通道的所述第一特征图进行特征提取，获得各个不同尺度的第一特征图对应的第二特征图，包括：针对每一所述第一特征图，采用不同大小的卷积核对所述第一特征图进行不同感受野的特征提取，获得不同的感受野特征图；对各个所述感受野特征图进行融合，获得融合感受野特征图；对所述融合感受野特征图进行平均池化和降维操作后，通过激活函数计算各个感受野特征图对应的权值；将各个不同的感受野特征图按照对应的权值进行加权处理，获得该所述第一特征图对应的所述第二特征图。7.根据权利要求6所述的目标检测方法，其特征在于，所述激活函数为指数函数，所述
权值为所述指数函数的自变量。8.根据权利要求5所述的目标检测方法，其特征在于，所述根据各个所述第二特征图进行特征融合，获得与各个不同尺度的所述目标检测对象对应的融合特征图，并分别根据各个所述融合特征图进行对应尺度的目标对象的检测，获得所述检...

【专利技术属性】
技术研发人员：徐召飞，吴思远，李向阳，王水根，
申请(专利权)人：烟台艾睿光电科技有限公司，
类型：发明
国别省市：