目标的检测方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术提供一种目标的检测方法、装置、电子设备及存储介质。其中，目标的检测方法，包括：根据待检测的目标的尺寸，对初始检测窗口进行调整，得到针对所述目标的检测窗口；基于所述检测窗口，进行目标检测。本发明专利技术的目标的检测方法，在图像中的目标的检测过程中，使用自适应的检测窗口，从而可以快速的，完整的检测到目标，达到用检测次数相对更少、检测的目标尽可能完整，避免拼接或者减少拼接次数，进而，具有目标检测的计算量低、效率高的优点。

【技术实现步骤摘要】
目标的检测方法、装置、电子设备及存储介质
本专利技术涉及计算机
，尤其涉及一种目标的检测方法、装置、电子设备及存储介质。
技术介绍
目前，图像中的目标检测通常是使用整幅图像作为输入，采用固定尺寸大小的矩形检测窗口依次扫描整幅图像的每一个区域，并且使用深度学习的方式提取检测窗口内的特征，确定是否有待检测的目标特征存在。如果检测到当前区域中有待检测目标的全部特征存在，则认为是检测到了待检测目标，检测过程结束。如果检测到当前区域中有待检测目标的局部特征存在，则认为当前检测区域附近有待检测目标，则需要在当前区域附近扩大范围继续检测，对相邻的检测窗口区域存在待检测目标特征的区域进行拼接，从而得到完整的待检测目标，检测过程结束。存在以下缺点：存在因检测窗口大小设置固化，从而不可避免的在检测过程中需要对相邻的存在待检测目标特征的区域进行特征拼接，拼接需要耗费大量的计算，因此，导致目标识别计算量大、效率低。
技术实现思路
本专利技术提供一种目标的检测方法、装置、电子设备及存储介质，可以有效降低图像中目标检测的计算量，具有目标检测效率高的优点。本专利技术提供一种目标的检测方法，包括：根据待检测的目标的尺寸，对初始检测窗口进行调整，得到针对所述目标的检测窗口；基于所述检测窗口，进行目标检测。进一步地，所述根据待检测的目标的尺寸，对初始检测窗口进行调整，得到针对所述目标的检测窗口，包括：利用所述初始检测窗口对待检测的图像进行目标检测，确定所述初始检测窗口识别出所述目标所进行的检测次数和拼接次数；基于深度学习模型，以检测次数和拼接次数达到最小值为目标，对所述初始检测窗口进行迭代，得到检测次数和拼接次数达到最小值时的检测窗口尺寸参数；按照所述尺寸参数设置调整所述初始检测窗口，得到针对所述目标的检测窗口。进一步地，在利用所述初始检测窗口对待检测的图像进行目标检测之前，还包括：以所述图像的几何中心点为几何坐标系的原点，将所述图像映射到所述几何坐标系中；所述利用所述初始检测窗口对待检测的图像进行目标检测，包括：以所述几何坐标系的原点为检测窗口的一个顶点，以初始检测窗口尺寸参数和预设的检测窗口移动步长对图像进行目标检测，并对每个检测窗口检测到的图像区域输入至所述深度学习模型中进行目标识别。进一步地，所述检测窗口尺寸参数包括检测窗口的对角线长度和检测方向。进一步地，基于以下评价函数确定所述检测窗口尺寸参数，其中，所述评价函数为：Fi(l，θ)＝Ji(l，θ)+Si(l，θ)；其中，所述Fi(l，θ)为第i个目标的评价函数，所述Ji(l，θ)为第i个目标所需要的拼接次数，Si(l，θ)为检测到第i个目标所需的扫描次数。进一步地，所述基于深度学习模型，以检测次数和拼接次数达到最小值为目标，对所述初始检测窗口进行迭代，得到检测次数和拼接次数达到最小值时的检测窗口尺寸参数，包括：如果所述目标为一个，则根据所述目标的大小和所述目标在所述图像中的位置，调整所述初始检测窗口的对角线长度和所述检测方向，得到所述检测窗口尺寸参数。进一步地，所述基于深度学习模型，以检测次数和拼接次数达到最小值为目标，对所述初始检测窗口进行迭代，得到检测次数和拼接次数达到最小值时的检测窗口尺寸参数，包括：如果所述目标为多个，则分别获取所述多个目标的对角线长度以及在所述图像中的位置；以所述多个目标的对角线长度的出现次数和所述多个目标在所述图像中的位置分布，调整所述初始检测窗口的对角线长度和所述检测方向，得到所述检测窗口尺寸参数。本专利技术还提供一种目标的检测装置，包括：调整模块，用于根据待检测的目标的尺寸，对初始检测窗口进行调整，得到针对所述目标的检测窗口；识别模块，用于基于所述检测窗口，进行目标检测。本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述目标的检测方法的步骤。本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述目标的检测方法的步骤。本专利技术提供的目标的检测方法、装置、电子设备及存储介质，在图像中的目标的检测过程中，使用自适应的检测窗口，从而可以快速的，完整的检测到目标，达到用检测次数相对更少、检测的目标尽可能完整，避免拼接或者减少拼接次数，进而，具有目标检测的计算量低的优点。附图说明为了更清楚地说明本专利技术或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术提供的目标的检测方法的流程示意图；图2是本专利技术提供的目标的检测方法中图像坐标化的示意图；图3是本专利技术提供的目标的检测方法的图像识别的深度学习模型的卷积神经网络模型示意图；图4是本专利技术提供的目标的检测装置的结构示意图；图5是本专利技术提供的电子设备的结构示意图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚，下面将结合本专利技术中的附图，对本专利技术中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，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他实施例，都属于本专利技术保护的范围。以下结合附图描述本专利技术实施例的目标的检测方法、装置、电子设备及存储介质。图1是根据本专利技术一个实施例的目标的检测方法的流程图。如图1所示，根据本专利技术实施例的目标的检测方法，包括如下步骤：S101：根据待检测的目标的尺寸，对初始检测窗口进行调整，得到针对所述目标的检测窗口。S102：基于所述检测窗口，进行目标检测。具体来说，对于S101而言，利用所述初始检测窗口对待检测的图像进行目标检测，确定所述初始检测窗口识别出所述目标所进行的检测次数和拼接次数；基于深度学习模型，以检测次数和拼接次数达到最小值为目标，对所述初始检测窗口进行迭代，得到检测次数和拼接次数达到最小值时的检测窗口尺寸参数；按照所述尺寸参数设置调整所述初始检测窗口，得到针对所述目标的检测窗口。在具体示例中，首先以初始检测窗口参数对图像进行目标检测，并对每个检测窗口检测到的图像区域进行目标识别。在本专利技术的一个实施例中，在利用所述初始检测窗口对待检测的图像进行目标检测之前，还包括：以所述图像的几何中心点为几何坐标系的原点，将所述图像映射到所述几何坐标系中。此外，为了保证图像中目标检测更加准确，在将图像映射到几何坐标系之前，该方法还可以包括对图像进行预处理，图像预处理可以消除图像中的无关信息。通常是使用高通、低通或带通滤波器过滤图像中的噪声信息，进而，可以最大化的提取得到有利于目标检测的本文档来自技高网...

【技术保护点】
1.一种目标的检测方法，其特征在于，包括：/n根据待检测的目标的尺寸，对初始检测窗口进行调整，得到针对所述目标的检测窗口；/n基于所述检测窗口，进行目标检测。/n

【技术特征摘要】
1.一种目标的检测方法，其特征在于，包括：
根据待检测的目标的尺寸，对初始检测窗口进行调整，得到针对所述目标的检测窗口；
基于所述检测窗口，进行目标检测。


2.根据权利要求1所述的目标的检测方法，其特征在于，所述根据待检测的目标的尺寸，对初始检测窗口进行调整，得到针对所述目标的检测窗口，包括：
利用所述初始检测窗口对待检测的图像进行目标检测，确定所述初始检测窗口识别出所述目标所进行的检测次数和拼接次数；
基于深度学习模型，以检测次数和拼接次数达到最小值为目标，对所述初始检测窗口进行迭代，得到检测次数和拼接次数达到最小值时的检测窗口尺寸参数；
按照所述尺寸参数设置调整所述初始检测窗口，得到针对所述目标的检测窗口。


3.根据权利要求2所述的目标的检测方法，其特征在于，在利用所述初始检测窗口对待检测的图像进行目标检测之前，还包括：
以所述图像的几何中心点为几何坐标系的原点，将所述图像映射到所述几何坐标系中；
所述利用所述初始检测窗口对待检测的图像进行目标检测，包括：
以所述几何坐标系的原点为检测窗口的一个顶点，以初始检测窗口尺寸参数和预设的检测窗口移动步长对图像进行目标检测，并对每个检测窗口检测到的图像区域输入至所述深度学习模型中进行目标识别。


4.根据权利要求2或3所述的目标的检测方法，其特征在于，所述检测窗口尺寸参数包括检测窗口的对角线长度和检测方向。


5.根据权利要求4所述的目标的检测方法，其特征在于，基于以下评价函数确定所述检测窗口尺寸参数，其中，所述评价函数为：
Fi(l，θ)＝Ji(l，θ)+Si(l，θ)；
其中，所述Fi(l，θ)为第i个目标的评价函...

【专利技术属性】
技术研发人员：王超，周效军，
申请(专利权)人：咪咕文化科技有限公司，中国移动通信集团有限公司，
类型：发明
国别省市：北京;11