一种目标对象检测方法、装置、及电子设备制造方法及图纸

本申请涉及计算机技术领域，尤其涉及一种目标对象检测方法、装置、及电子设备。该方法中，获取待检测图像。对待检测图像进行图像分割，提取目标对象的目标轮廓。确定目标轮廓的最小包围矩形；按照预设条件分割目标轮廓得到多个子目标轮廓。在多个子目标轮廓的第一轮廓线符合预设规则的情况下，确定目标对象检测合格。其中，第一轮廓线是子目标轮廓在最小包围矩形的宽度所在方向的线段长度。上述方案，通过第一轮廓线是否符合预设规则的方式检测目标对象，相较于人工检测目标对象是否合格的方式，提高检测的准确率以及效率。提高检测的准确率以及效率。提高检测的准确率以及效率。

【技术实现步骤摘要】
一种目标对象检测方法、装置、及电子设备


[0001]本申请涉及计算机
，尤其涉及一种目标对象检测方法、装置、及电子设备。

技术介绍

[0002]目前，在获取到包含目标对象的待检测图像后，通常采用传统的人工审核方式审核待检测图像是否合格。但是上述方式存在审核工作量大导致审核效率低、准确率低的问题。
[0003]如何提高检测目标对象的检测效率以及准确率是一种值得商榷的问题。

技术实现思路

[0004]本申请实施例提供一种目标对象检测方法、装置、电子设备及存储介质，用于提高目标对象的检测效率以及准确率。
[0005]第一方面，本申请实施例提供一种目标对象检测方法，包括：
[0006]获取待检测图像，待检测图像包括目标对象以及背景对象；
[0007]对待检测图像进行图像分割，提取目标对象的目标轮廓；
[0008]确定目标轮廓的最小包围矩形；
[0009]按照预设条件分割目标轮廓得到多个子目标轮廓；
[0010]在多个子目标轮廓的第一轮廓线符合预设规则的情况下，确定目标对象检测合格。其中，第一轮廓线是子目标轮廓在最小包围矩形的宽度所在方向的线段长度。
[0011]上述方法中，通过确定多个子目标轮廓的第一轮廓线是否符合预设规则，确定目标对象是否检测合格。相较于通过人工检测目标对象是否合格的方式，可以提高检测效率以及准确率。
[0012]可选的，对待检测图像进行图像分割，提取目标对象的目标轮廓，具体包括：
[0013]采用预先建立的图像分割模型，对待检测图像进行图像分割，提取目标对象的目标轮廓。
[0014]上述方法中，通过图像分割模型可以更加精准提取目标对象的目标轮廓，便于后续根据目标轮廓确定目标对象检测是否合格。
[0015]可选的，图像分割模型通过以下方式预先建立：
[0016]基于Pytorch深度学习框架对DeepLabV3+网络模型进行训练，得到图像分割模型。
[0017]上述方法中，基于Pytorch深度学习框架对DeepLabV3+网络模型进行训练需求的训练样本数量，相较于现有技术中基于分类的方式训练模型检测目标对象需求的数据量低。同时，经过不断调试学习率(learning rate，LR)与批量大小(batchsize)，得到的MIOU(Mean Intersection over Union，当前模型的评价值)可以约达到96％。即通过上述图像分割模型可以更加精准提取目标对象的目标轮廓，便于后续根据目标轮廓确定目标对象检测是否合格。
[0018]可选的，按照预设条件分割目标轮廓得到多个子目标轮廓，具体包括：
[0019]将目标轮廓按照预设份数等分，得到多个子目标轮廓。
[0020]上述方法中，通过将目标轮廓按照预设份数等分，得到多个子目标轮廓。便于后续根据子目标轮廓确定目标对象检测是否合格。可以提高后续检测目标对象的准确率。
[0021]可选的，在多个子目标轮廓的第一轮廓线符合预设规则的情况下，确定目标对象检测合格，具体包括：
[0022]将多个子目标轮廓按照预设数量进行分组，得到多个子目标轮廓集合，每个子目标轮廓集合中的子目标轮廓数量相同；
[0023]确定子目标轮廓集合的第一长度，第一长度表示子目标轮廓集合中多个第一轮廓线的平均值；
[0024]将多个子目标轮廓集合的第一长度作比较；
[0025]在多个子目标轮廓集合的第一长度成比例的情况下，确定目标对象检测合格。
[0026]上述方法中，通过确定子目标轮廓集合中多个第一轮廓线的平均值，得到第一长度。使得根据第一长度是否成比例，确定目标对象检测是否合格更加准确。可以大大提高检测的准确率，降低误检率。
[0027]可选的，上述方法还包括：
[0028]在多个子目标轮廓集合的第一长度不成比例的情况下，确定目标对象检测不合格。
[0029]上述方法中，在多个子目标轮廓集合的第一长度不成比例的情况下，确定目标对象检测不合格，便于确定目标对象的检测结果。
[0030]第二方面，本申请实施例提供一种目标对象检测装置，包括：
[0031]获取模块，用于获取待检测图像，待检测图像包括目标对象以及背景对象；
[0032]处理模块，用于对待检测图像进行图像分割，提取目标对象的目标轮廓；
[0033]处理模块，还用于确定目标轮廓的最小包围矩形；
[0034]处理模块，还用于按照预设条件分割目标轮廓得到多个子目标轮廓；
[0035]检测模块，用于在多个子目标轮廓的第一轮廓线符合预设规则的情况下，确定目标对象检测合格，第一轮廓线是子目标轮廓在最小包围矩形的宽度所在方向的线段长度。
[0036]第三方面，本申请实施例还提供了一种电子设备，包括存储器，处理器及存储在存储器上并可在处理器运行的计算机程序，当计算机程序被处理器执行时，使得处理器实现上述第一方面中的任一种数据识别方法。
[0037]第四方面，本申请实施例还提供了一种计算机可读存储介质，计算机可读存储介质内存储有计算机程序，计算机程序被处理器执行时，实现第一方面的数据识别方法。
[0038]第五方面，本申请实施例还提供了一种计算机程序产品，包括计算机程序，计算机程序被处理器执行以实现如上述第一方面中任一项的数据识别方法。
[0039]第二方面至第五方面中任意一种实现方式所带来的技术效果可参见第一方面中对应的实现方式所带来的技术效果，此处不再赘述。
附图说明
[0040]图1为本申请实施例提供的一种目标对象检测方法的应用场景示意图；
[0041]图2为本申请实施例提供的另一种目标对象检测方法的应用场景示意图；
[0042]图3为本申请实施例提供的一种目标对象检测方法流程图；
[0043]图4a为本申请实施例提供的一种待检测图像的示意图；
[0044]图4b为本申请实施例提供的另一种待检测图像的示意图；
[0045]图5为本申请实施例提供一种目标轮廓的示意图；
[0046]图6为本申请实施例提供的一种最小包围矩形的示意图；
[0047]图7为本申请实施例提供的一种子目标轮廓的示意图；
[0048]图8为本申请实施例提供的一种第一轮廓线的示意图；
[0049]图9为本申请实施例提供的一种子目标轮廓集合的示意图；
[0050]图10为本申请实施例提供的另一种第一轮廓线的示意图；
[0051]图11为本申请实施例提供的一种示例性的目标对象检测方法流程图；
[0052]图12为本申请实施例提供的一种目标对象检测的装置示意图；
[0053]图13为本申请实施例提供的电子设备的结构示意图。
具体实施方式
[0054]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，显然，所描述的实施例仅仅是本申请一部分实本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种目标对象检测方法，其特征在于，所述方法包括：获取待检测图像，所述待检测图像包括目标对象以及背景对象；对所述待检测图像进行图像分割，提取所述目标对象的目标轮廓；确定所述目标轮廓的最小包围矩形；按照预设条件分割所述目标轮廓得到多个子目标轮廓；在所述多个子目标轮廓的第一轮廓线符合预设规则的情况下，确定所述目标对象检测合格，所述第一轮廓线是所述子目标轮廓在所述最小包围矩形的宽度所在方向的线段长度。2.根据权利要求1所述的方法，其特征在于，所述对所述待检测图像进行图像分割，提取所述目标对象的目标轮廓，具体包括：采用预先建立的图像分割模型，对所述待检测图像进行图像分割，提取所述目标对象的目标轮廓。3.根据权利要求2所述的方法，其特征在于，所述图像分割模型通过以下方式预先建立：基于Pytorch深度学习框架对DeepLabV3+网络模型进行训练，得到所述图像分割模型。4.根据权利要求1所述的方法，其特征在于，所述按照预设条件分割所述目标轮廓得到多个子目标轮廓，具体包括：将所述目标轮廓按照预设份数等分，得到所述多个子目标轮廓。5.根据权利要求1所述的方法，其特征在于，所述在所述多个子目标轮廓的第一轮廓线符合预设规则的情况下，确定所述目标对象检测合格，具体包括：将所述多个子目标轮廓按照预设数量进行分组，得到多个子目标轮廓集合，每个子目标轮廓集合中的子目标轮廓数量相同；确定子目标轮廓集合的第一长度，所述第一长度表示所...

【专利技术属性】
技术研发人员：万晓东，刘秦豫，朱恩庆，
申请(专利权)人：新奥新智科技有限公司，
类型：发明
国别省市：