本申请实施例涉及人工智能技术领域，提供了一种目标检测方法和装置、电子设备及存储介质,其通过检测视频帧中的目标，生成目标边界框，然后查找目标边界框在前后视频帧中是否存在，若不存在，在前后帧中生成第一检测边界框，并计算其与真实目标边界框的相关程度，若相关程度表示当前视频帧为难例，将视频帧加入难例集；将难例集发送至服务端以获得模型更新数据；在获得更新收据后更新模型，利用更新后的模型进行视频流检测。根据本申请实施例，可以提高目标检测模型对于目标的识别能力以及在存在相似物体的环境中识别目标时模型的鲁棒性，本申请实施例可应用于金融场景中，以提高金融安防可靠性。金融安防可靠性。金融安防可靠性。
【技术实现步骤摘要】
一种目标检测方法和装置、电子设备及存储介质
[0001]本申请涉及人工智能
，尤其涉及一种目标检测方法和装置、电子设备及存储介质，可以应用于金融场景中。
技术介绍
[0002]随着人工智能技术的发展，人工智能技术在金融场景的应用越来越普遍，传统金融业正在逐步向金融科技(Fintech)转变。目标检测是人工智能技术的一个重要技术应用，在安防领域，目标检测可以帮助监控系统及时发现异常情况，并提供有效的预警和报警。金融行业也是一个安防工作的重点，包括银行、邮政、证劵等。安全防范作为金融行业一项重要的日常工作，对企业正常运营，并取得良好的经济和社会效益具有极其重要的意义。
[0003]将目标检测模型部署在轻量化的边缘设备上，由边缘设备实现目标检测时，边缘设备一般是基于图像上的像素点辅以相关的算法进行计算，当两个对象之间的像素群相似时，使用现有的目标检测技术会有一定几率误识别与目标对象相似的伪对象。也就是说，边缘设备的目标检测模型进行目标检测会受到相似对象的影响，当识别的内容中存在与目标相似的对象，目标检测模型不稳定，会出现误检测的情况，这会为金融行业的安防监控工作带来了不可靠因素。
技术实现思路
[0004]本申请实施例的主要目的在于提出一种目标检测方法和装置、电子设备及存储介质，旨在提高模型对于目标的识别能力以及在存在相似物体的环境中识别目标时模型的鲁棒性，进而提高金融行业的安防监控的可靠性。
[0005]为实现上述目的，本申请实施例的第一方面提出了一种目标检测方法，应用于边缘设备，所述方法包括：
[0006]通过摄像单元获取视频流；
[0007]通过位于所述边缘设备的目标检测模型对所述视频流中的各个视频帧分别进行目标检测，以在各个所述视频帧中生成目标边界框；
[0008]遍历所述视频流中的每个视频帧，并对当前遍历视频帧执行以下处理：若所述当前遍历视频帧中存在真实目标边界框和疑似伪目标边界框，在所述当前遍历视频帧的前M个视频帧和后N个视频帧中分别生成与所述疑似伪目标边界框匹配的第一检测边界框，根据所述第一检测边界框和所述真实目标边界框计算相关程度，若根据所述相关程度确定所述当前遍历视频帧属于难例，将所述当前遍历视频帧加入难例集中；
[0009]将所述难例集发送给服务端，以使所述服务端根据所述难例集训练所述目标检测模型的副本，得到模型更新数据；
[0010]接收所述服务端发送的模型更新数据；
[0011]根据所述模型更新数据更新所述目标检测模型，得到更新后的目标检测模型；
[0012]通过更新后的目标检测模型对所述摄像单元获取的视频流进行目标检测。
[0013]在本申请一些可能的实施例，所述当前遍历视频帧中存在真实目标边界框和疑似伪目标边界框的确定过程包括：
[0014]获取所述当前遍历视频帧中存在的目标边界框；
[0015]对每个获取到的目标边界框，确定所述目标边界框是否分别存在于相邻视频帧中；
[0016]若所述目标边界框存在于所述相邻视频帧中，则将所述目标边界框确定为所述真实目标边界框；
[0017]若所述目标边界框不存在于所述相邻视频帧中，则将所述目标边界框确定为所述疑似伪目标边界框。
[0018]在本申请一些可能的实施例，在根据所述第一检测边界框和所述真实目标边界框计算相关程度之前，所述方法还包括：
[0019]针对所述前M个视频帧和所述后N个视频帧中的每个所述视频帧，将所述第一检测边界框放大，在所述视频帧中生成第二检测边界框；
[0020]根据所述第二检测边界框和所述疑似伪目标边界框计算归一化交叉相关NCC值，若所述NCC值大于或等于第一预设阈值，将所述视频帧作为保留视频帧。
[0021]在本申请一些可能的实施例，所述根据所述第一检测边界框和所述真实目标边界框计算相关程度，包括：
[0022]针对所述保留视频帧，计算所述保留视频帧中的所述第一检测边界框与所述真实目标边界框的交并比值；
[0023]根据所述交并比值确定所述第一检测边界框和所述真实目标边界框的所述相关程度。
[0024]在本申请一些可能的实施例，所述在所述当前遍历视频帧的前M个视频帧和后N个视频帧中分别生成与所述疑似伪目标边界框匹配的第一检测边界框，包括：
[0025]针对所述前M个视频帧和所述后N个视频帧中的每个所述视频帧，通过模板匹配算法在所述视频帧中查找与所述疑似伪目标边界框相匹配的区域；
[0026]根据查找到的区域确定所述第一检测边界框。
[0027]在本申请一些可能的实施例，所述根据所述难例集训练所述目标检测模型的副本，得到模型更新数据，包括：
[0028]采用教师模型对所述难例集中的所述视频帧进行标签标注，得到与所述视频帧对应的标注目标边界框；
[0029]将所述难例集中的所述视频帧输入至所述目标检测模型的副本中，得到预测目标边界框；
[0030]根据所述难例集中的各个所述视频帧对应的所述标注目标边界框和所述预测目标边界框确定损失值；
[0031]根据所述损失值调整所述目标检测模型的副本的模型参数，直至满足预设的训练结束条件。
[0032]在本申请一些可能的实施例，在接收所述服务端发送的模型更新数据之后，在根据所述模型更新数据更新所述目标检测模型之前，所述方法还包括：
[0033]获取目标检测备份模型；
[0034]根据所述模型更新数据对所述目标检测备份模型进行模型更新，得到更新后的目标检测备份模型；
[0035]通过更新后的目标检测备份模型对所述摄像单元获取的视频流进行目标检测。
[0036]为实现上述目的，本申请实施例的第二方面提出了一种目标检测装置，所述装置包括：
[0037]视频流获取模块，用于通过摄像单元获取视频流；
[0038]第一目标检测模块，用于通过位于所述边缘设备的目标检测模型对所述视频流中的各个视频帧分别进行目标检测，以在各个所述视频帧中生成目标边界框；
[0039]难例挖掘模块，用于遍历所述视频流中的每个视频帧，并对当前遍历视频帧执行以下处理：若所述当前遍历视频帧中存在真实目标边界框和疑似伪目标边界框，在所述当前遍历视频帧的前M个视频帧和后N个视频帧中分别生成与所述疑似伪目标边界框匹配的第一检测边界框，根据所述第一检测边界框和所述真实目标边界框计算相关程度，若根据所述相关程度确定所述当前遍历视频帧属于难例，将所述当前遍历视频帧加入难例集中，其中，所述M大于或等于0，所述N大于或等于0；
[0040]发送模块，用于将所述难例集发送给服务端，以使所述服务端根据所述难例集训练所述目标检测模型的副本，得到模型更新数据；
[0041]接收模块，用于接收所述服务端发送的模型更新数据；
[0042]更新模块，用于根据所述模型更新数据更新所述目标检测模型，得到更新后的目标检测模型；
[0043]第二目标检测模块，用于通过更新后本文档来自技高网...
【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，应用于边缘设备，所述方法包括以下步骤：通过摄像单元获取视频流；通过位于所述边缘设备的目标检测模型对所述视频流中的各个视频帧分别进行目标检测，以在各个所述视频帧中生成目标边界框；遍历所述视频流中的每个视频帧，并对当前遍历视频帧执行以下处理：若所述当前遍历视频帧中存在真实目标边界框和疑似伪目标边界框，在所述当前遍历视频帧的前M个视频帧和后N个视频帧中分别生成与所述疑似伪目标边界框匹配的第一检测边界框，根据所述第一检测边界框和所述真实目标边界框计算相关程度，若根据所述相关程度确定所述当前遍历视频帧属于难例，将所述当前遍历视频帧加入难例集中，其中，所述M大于或等于0，所述N大于或等于0；将所述难例集发送给服务端，以使所述服务端根据所述难例集训练所述目标检测模型的副本，得到模型更新数据；接收所述服务端发送的模型更新数据；根据所述模型更新数据更新所述目标检测模型，得到更新后的目标检测模型；通过更新后的目标检测模型对所述摄像单元获取的视频流进行目标检测。2.根据权利要求1所述的目标检测方法，其特征在于，所述当前遍历视频帧中存在真实目标边界框和疑似伪目标边界框的确定过程包括：获取所述当前遍历视频帧中存在的目标边界框；对每个获取到的目标边界框，确定所述目标边界框是否分别存在于相邻视频帧中；若所述目标边界框存在于所述相邻视频帧中，则将所述目标边界框确定为所述真实目标边界框；若所述目标边界框不存在于所述相邻视频帧中，则将所述目标边界框确定为所述疑似伪目标边界框。3.根据权利要求1所述的目标检测方法，其特征在于，在根据所述第一检测边界框和所述真实目标边界框计算相关程度之前，所述方法还包括：针对所述前M个视频帧和所述后N个视频帧中的每个所述视频帧，将所述第一检测边界框放大，在所述视频帧中生成第二检测边界框；根据所述第二检测边界框和所述疑似伪目标边界框计算归一化交叉相关NCC值，若所述NCC值大于或等于第一预设阈值，将所述视频帧作为保留视频帧。4.根据权利要求3所述的目标检测方法，其特征在于，所述根据所述第一检测边界框和所述真实目标边界框计算相关程度，包括：针对所述保留视频帧，计算所述保留视频帧中的所述第一检测边界框与所述真实目标边界框的交并比值；根据所述交并比值确定所述第一检测边界框和所述真实目标边界框的所述相关程度。5.根据权利要求1所述的目标检测方法，其特征在于，所述在所述当前遍历视频帧的前M个视频帧和后N个视频帧中分别生成与所述疑似伪目标边界框匹配的第一检测边界框，包括：针对所述前M个视频帧和所述后N个视频帧中的每个所述视频帧，通过模板匹配算法在所述视频帧中查...
【专利技术属性】
技术研发人员：张楠，王健宗，瞿晓阳，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。