目标检测方法、设备和存储介质技术

本申请提供一种目标检测方法、设备和存储介质，该方法包括：在实时采集的视频流中获取当前采样时刻对应的当前帧图像，当前帧图像中包含目标对象；以第一采样间隔倍数获取第一数量的历史帧图像以得到第一图像集，以第二采样间隔倍数获取第二数量的历史帧图像以得到第二图像集，第一采样间隔倍数小于第二采样间隔倍数，第一数量小于第二数量，第一图像集和第二图像集中均包含当前帧图像。分别提取第一图像集和第二图像集中多帧图像各自对应的特征图，根据第一图像集中多帧图像的特征图和第二图像集中多帧图像的特征图预测出目标对象在下一帧图像中的位置信息。通过本方案可以实现目标对象在下一帧中位置的准确检测。目标对象在下一帧中位置的准确检测。目标对象在下一帧中位置的准确检测。

【技术实现步骤摘要】
目标检测方法、设备和存储介质


[0001]本专利技术涉及人工智能
，尤其涉及一种目标检测方法、设备和存储介质。

技术介绍

[0002]随着网络的发展，人们正在从图片的时代进入到视频的时代，网络上的视频数据呈现高速增长的趋势。视频目标检测(Video Object Detection,简称VOD)任务旨在研究如何从一段输入视频中检测出感兴趣的目标对象的位置和类别。
[0003]然而，传统的视频目标检测任务是离线设置的，即假设能够事先获取完整的视频片段，并没有考虑视频本身的实时性，这与很多实际应用场景的情形不符，比如在自动驾驶领域。因此，视频目标检测任务中产生一个新的细分任务——流感知目标检测，该任务考虑了视频的实时性，要求算法具有根据当前帧图像和过去帧图像(即历史帧)，预测未来帧图像中目标对象的位置的能力。

技术实现思路

[0004]本专利技术实施例提供一种目标检测方法、装置、设备和存储介质，针对实时视频流，可以实现准确的目标检测。
[0005]第一方面，本专利技术实施例提供一种目标检测方法，所述方法包括：<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：在实时采集的视频流中获取当前采样时刻对应的当前帧图像，所述当前帧图像中包含目标对象；以第一采样间隔倍数获取第一数量的历史帧图像以得到第一图像集；以及，以第二采样间隔倍数获取第二数量的历史帧图像以得到第二图像集；其中，所述第一采样间隔倍数小于所述第二采样间隔倍数，所述第一数量小于所述第二数量，所述第一图像集和所述第二图像集中均包含所述当前帧图像；提取所述第一图像集中多帧图像各自对应的特征图，以及提取所述第二图像集中多帧图像各自对应的特征图；根据所述第一图像集中多帧图像各自对应的特征图和所述第二图像集中多帧图像各自对应的特征图，预测出所述目标对象在下一帧图像中的位置信息。2.根据权利要求1所述的方法，其特征在于，所述根据所述第一图像集中多帧图像各自对应的特征图和所述第二图像集中多帧图像各自对应的特征图，预测出所述目标对象在下一帧图像中的位置信息，包括：融合所述第一图像集中多帧图像各自对应的特征图和所述第二图像集中多帧图像各自对应的特征图；根据融合后的特征图预测出所述目标对象在下一帧图像中的位置信息。3.根据权利要求1所述的方法，其特征在于，所述方法还包括：若确定所述目标对象在下一帧图像中的位置信息满足设定告警条件，则触发与所述告警条件对应的避险操作。4.根据权利要求1所述的方法，其特征在于，所述方法还包括：根据所述视频流对应的产生环境信息，确定所述第一采样间隔倍数和所述第二采样间隔倍数。5.根据权利要求1所述的方法，其特征在于，所述方法还包括：根据已获得的所述目标对象的多个位置信息预测结果，确定所述目标对象的移动速度；根据所述目标对象的移动速度调整所述第一采样间隔倍数和所述第二采样间隔倍数。6.根据权利要求1所述的方法，其特征在于，用于预测目标对象在下一帧图像中的位置信息的目标检测模型的训练过程包括：获取训练样本视频中采样出的多帧样本图像，其中，每帧样本图像中标记有目标对象的类别和位置信息；设置用于模拟目标对象的目标速度变化情形的第一组采样间隔倍数和第二组采样间隔倍数；针对所述多帧样本图像中的第一样本图像，分别以所述第一组采样间隔倍数和所述第二组采样间隔倍数构建第一样本组和第二样本组，并确定所述第一样本组和所述第二样本组各自对应的选中概率取值范围和预测参考图像；其中，每组采样间隔倍数中包括用于获取第一数量的历史样本图像的第三采样间隔倍数以及用于获取第二数量的历史样本图像的第四采样间隔倍数，所述第一组采样间隔倍数和所述第二组采样间隔倍数中各自包含的第三采样间隔倍数和第四采样间隔倍数的取值不同；
生成随机数，并根据所述随机数与所述第一样本组和所述第二样本组各自对应的选中概率取值范围之间的归属关系，确定所述第一样本组和所述第二样本组中的目标样本组；使用所述目标样本组及其对应的预测参考图像，对与所述目标速度变形情形对应的目标检测模型进行训练；所述目标检测模型为神经网络模型。7.根据权利要求6所述的方法，其特征在于，所述设置用于模拟目标对象的目标速度变化情形的第一组采样间隔倍数和第二组采样间隔倍数，包括：设置所述第一组采样间隔倍数中包含的第三采样间隔倍数小于所述第二组采样间隔倍数中包含的第三采样间隔倍数，所述第一组采样间隔倍数中包含的第四采样间隔倍数小于所述第二组采样间隔倍数中包含的第四采样间隔倍数；确定所述第一样本组和所述第二样本组各自对应的预测参考图像，包括：根据所述目标速度变化情形确定所述第一样本组和所述第二样本组各自对应的预测参考图像。8.根据权利要求7所述的方法，其特征在于，所述目标速度变化情形为均速运动与减速运动之间的变化；所述根据所述目标速度变化情形确定所述第一样本组和所述第二样本组各自对应的预测参考图像，包括：所述根据所述目标速度变化情形确定所述第一样本组和所述第二样本组各自对应的预测参...

【专利技术属性】
技术研发人员：李晨阳，何俊彦，蓝劲鹏，罗斌，耿益锋，
申请(专利权)人：阿里巴巴中国有限公司，
类型：发明
国别省市：