本申请涉及一种目标检测方法、装置、计算机设备和可读存储介质。方法包括：获取目标图像，并根据目标图像，获取多个超像素集合；目标图像包括至少一个目标物，多个超像素集合是对目标图像对应的多个超像素进行融合得到的；对多个超像素集合进行迭代融合，在迭代过程中，基于相邻超像素集合之间的最小超像素距离，获取对应相邻超像素集合之间的集合距离，并根据各集合距离对各相邻超像素集合进行融合；集合距离用于表征相邻超像素集合之间的特征相似度；从迭代融合得到多个初始候选框中确定目标物对应的多个目标候选框；多个目标候选框用于确定目标物在目标图像中的检测位置框。采用本方法能够提升超像素集合的融合准确性和目标检测的准确性。检测的准确性。检测的准确性。
【技术实现步骤摘要】
目标检测方法、装置、计算机设备和可读存储介质
[0001]本申请涉及人工智能
，特别是涉及一种目标检测方法、装置、计算机设备和可读存储介质。
技术介绍
[0002]目标检测是计算机视觉和数字图像处理的一个热门方向，广泛应用于机器人导航、智能视频监控、工业检测、航空航天等诸多领域，通过计算机视觉减少对人力资本的消耗，具有重要的现实意义。
[0003]从图像中提取目标物对应的候选框，在目标检测流程中必不可少，根据目标物对应的多个候选框可以确定目标物在图像中的位置框。传统的目标检测方法中，基于图像得到超像素集合后，是将超像素集合中的平均特征作为表征该集合的特征，采用平均特征计算相邻超像素集合的集合距离以进行超像素集合的融合。例如，以颜色特征为例，对于每个超像素集合，将该超像素集合中的平均颜色作为该超像素集合的特征。
[0004]然而，上述传统的目标检测方法，通过各超像素集合的平均特征计算相邻超像素集合的集合距离，常常存在超像素集合的融合准确性差，导致目标检测准确性差的问题。
技术实现思路
[0005]基于此，有必要针对上述技术问题，提供一种能够提升超像素集合的融合准确性，从而提升目标检测的准确性的目标检测方法、装置、计算机设备和可读存储介质。
[0006]第一方面，本申请实施例提供一种目标检测方法，所述方法包括：
[0007]获取目标图像，并根据所述目标图像，获取多个超像素集合；所述目标图像包括至少一个目标物，所述多个超像素集合是对所述目标图像对应的多个超像素进行融合得到的；
[0008]对所述多个超像素集合进行迭代融合，在每次迭代过程中，基于相邻超像素集合之间的最小超像素距离，获取对应相邻超像素集合之间的集合距离，并根据各集合距离对各相邻超像素集合进行融合；所述集合距离用于表征所述相邻超像素集合之间的特征相似度；
[0009]从迭代融合得到多个初始候选框中确定所述目标物对应的多个目标候选框；所述多个目标候选框用于确定所述目标物在所述目标图像中的检测位置框。
[0010]在其中一个实施例中，所述基于相邻超像素集合之间的最小超像素距离，获取对应相邻超像素集合之间的集合距离，包括：
[0011]获取相邻超像素集合之间的最大超像素距离；
[0012]基于相邻超像素集合之间的最小超像素距离，获取对应相邻超像素集合之间的高复杂度距离，并基于相邻超像素集合之间的最大超像素距离，获取对应相邻超像素集合之间的的低复杂度距离；
[0013]根据相邻超像素集合之间的低复杂度距离、高复杂度距离以及预设的权重约束参
数，获取对应相邻超像素集合之间的集合距离；
[0014]其中，所述低复杂度距离用于表征在超像素集合的特征复杂度为低复杂度的情况下，相邻超像素集合之间的特征相似度；所述高复杂度距离用于表征在超像素集合的特征复杂度为高复杂度的情况下，相邻超像素集合之间的特征相似度。
[0015]在其中一个实施例中，所述方法还包括：
[0016]获取所述目标图像对应的多个超像素中，各超像素之间的颜色材质特征距离；所述颜色材质特征距离用于表征对应一对超像素之间的颜色特征和材质特征的特征相似度；
[0017]将相邻超像素集合中，最小的颜色材质特征距离确定为对应相邻超像素集合之间的最小超像素距离，并将相邻超像素集合中，最大的颜色材质特征距离确定为对应相邻超像素集合之间的最大超像素距离。
[0018]在其中一个实施例中，所述基于相邻超像素集合之间的最小超像素距离，获取对应相邻超像素集合之间的高复杂度距离，并基于相邻超像素集合之间的最大超像素距离，获取对应相邻超像素集合之间的的低复杂度距离，包括：
[0019]获取相邻超像素集合之间的图特征距离和边缘损失距离；所述图特征距离表征相邻超像素集合中距离最近的超像素之间的距离，所述边缘损失距离是基于所述目标图像对应的边缘响应图得到的；
[0020]根据相邻超像素集合之间的最小超像素距离和图特征距离，计算对应相邻超像素集合之间的的高复杂度距离；
[0021]根据相邻超像素集合之间的最大超像素距离、图特征距离和边缘损失距离，计算对应相邻超像素集合之间的低复杂度距离。
[0022]在其中一个实施例中，所述获取相邻超像素集合之间的图特征距离和边缘损失距离，包括：
[0023]根据所述目标图像对应的边缘响应图，计算相邻超像素集合中一对超像素之间的边缘损失值，并根据相邻超像素集合对应的各边缘损失值计算对应相邻超像素集合之间的边缘损失距离；
[0024]将所述目标图像对应的各超像素作为一个节点，构建连接图，并采用最短路径算法获取相邻超像素之间的超像素图距离，并根据相邻超像素集合对应的各超像素图距离计算对应相邻超像素集合之间的图特征距离。
[0025]在其中一个实施例中，所述根据所述目标图像，获取多个超像素集合,包括：
[0026]对所述目标图像进行超像素分割，得到所述目标图像对应的所述多个超像素；
[0027]计算相邻超像素之间的颜色材质特征距离、超像素图距离以及边缘损失值；
[0028]采用贪婪算法，根据各相邻超像素之间的颜色材质特征距离、超像素图距离以及边缘损失值，对所述多个超像素进行融合，得到所述多个超像素集合。
[0029]在其中一个实施例中，所述从迭代融合得到多个初始候选框中确定所述目标物对应的多个目标候选框，包括：
[0030]根据各所述初始候选框中包括的超像素对应的边缘损失值，计算各所述初始候选框对应的评估分值；
[0031]对各所述初始候选框对应的评估分值按照分值大小的顺序排序，并从排序结果中确定多个目标评估分值；
[0032]将各所述目标评估分值对应的初始候选框确定为所述目标候选框。
[0033]第二方面，本申请实施例提供一种目标检测装置，所述装置包括：
[0034]第一获取模块，用于获取目标图像，并根据所述目标图像，获取多个超像素集合；所述目标图像包括至少一个目标物，所述多个超像素集合是对所述目标图像对应的多个超像素进行融合得到的；
[0035]融合模块，用于对所述多个超像素集合进行迭代融合，在每次迭代过程中，基于相邻超像素集合之间的最小超像素距离，获取对应相邻超像素集合之间的集合距离，并根据各集合距离对各相邻超像素集合进行融合；所述集合距离用于表征所述相邻超像素集合之间的特征相似度；
[0036]第一确定模块，用于从迭代融合得到多个初始候选框中确定所述目标物对应的多个目标候选框；所述多个目标候选框用于确定所述目标物在所述目标图像中的检测位置框。
[0037]第三方面，本申请实施例提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面的方法的步骤。
[0038]第四方面，本申请实施例提供一种计算机可读存储介质，其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如上述第一方面的方法本文档来自技高网...
【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，所述方法包括：获取目标图像，并根据所述目标图像，获取多个超像素集合；所述目标图像包括至少一个目标物，所述多个超像素集合是对所述目标图像对应的多个超像素进行融合得到的；对所述多个超像素集合进行迭代融合，在每次迭代过程中，基于相邻超像素集合之间的最小超像素距离，获取对应相邻超像素集合之间的集合距离，并根据各集合距离对各相邻超像素集合进行融合；所述集合距离用于表征所述相邻超像素集合之间的特征相似度；从迭代融合得到多个初始候选框中确定所述目标物对应的多个目标候选框；所述多个目标候选框用于确定所述目标物在所述目标图像中的检测位置框。2.根据权利要求1所述的方法，其特征在于，所述基于相邻超像素集合之间的最小超像素距离，获取对应相邻超像素集合之间的集合距离，包括：获取相邻超像素集合之间的最大超像素距离；基于相邻超像素集合之间的最小超像素距离，获取对应相邻超像素集合之间的高复杂度距离，并基于相邻超像素集合之间的最大超像素距离，获取对应相邻超像素集合之间的的低复杂度距离；根据相邻超像素集合之间的低复杂度距离、高复杂度距离以及预设的权重约束参数，获取对应相邻超像素集合之间的集合距离；其中，所述低复杂度距离用于表征在超像素集合的特征复杂度为低复杂度的情况下，相邻超像素集合之间的特征相似度；所述高复杂度距离用于表征在超像素集合的特征复杂度为高复杂度的情况下，相邻超像素集合之间的特征相似度。3.根据权利要求2所述的方法，其特征在于，所述方法还包括：获取所述目标图像对应的多个超像素中，各超像素之间的颜色材质特征距离；所述颜色材质特征距离用于表征对应一对超像素之间的颜色特征和材质特征的特征相似度；将相邻超像素集合中，最小的颜色材质特征距离确定为对应相邻超像素集合之间的最小超像素距离，并将相邻超像素集合中，最大的颜色材质特征距离确定为对应相邻超像素集合之间的最大超像素距离。4.根据权利要求2所述的方法，其特征在于，所述基于相邻超像素集合之间的最小超像素距离，获取对应相邻超像素集合之间的高复杂度距离，并基于相邻超像素集合之间的最大超像素距离，获取对应相邻超像素集合之间的的低复杂度距离，包括：获取相邻超像素集合之间的图特征距离和边缘损失距离；所述图特征距离表征相邻超像素集合中距离最近的超像素之间的距离，所述边缘损失距离是基于所述目标图像对应的边缘响应图得到的；根据相邻超像素集合之间的最小超像素距离和图特征距离，计算对应相邻超像素集合之间的的高复杂度距离；根据相邻超像素集合之间的最大超像素距离、图特征距离和边缘...
【专利技术属性】
技术研发人员：肖尧，
申请(专利权)人：上海眼控科技股份有限公司，
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。