本申请涉及一种全景图像的目标检测方法、装置、计算机设备和存储介质。其中方法通过获取待检测全景图像；通过包含预设目标形变适应卷积算子的卷积神经网络对待检测全景图像进行卷积处理，获取待检测全景图像中检测目标的目标类别以及目标边界位置点数据，目标边界位置点数据包括坐标超出待检测全景图像边界的目标边界位置点；根据检测目标的目标类别以及目标边界位置点数据，获取待检测全景图像对应的目标检测结果。本申请在可以有效地确定出包括分列于全景图像两端的检测目标在内的所有检测目标的区域，从而提高全景图像目标检测的准确率。准确率。准确率。
【技术实现步骤摘要】
全景图像的目标检测方法、装置、计算机设备和存储介质
[0001]本申请涉及计算机领域，特别是涉及一种全景图像的目标检测方法、装置、计算机设备和存储介质。
技术介绍
[0002]随着人工智能技术的发展，计算机视觉技术也得到了越来越广泛的应用。计算机视觉是一门研究如何使机器“看”的科学，更进一步的说，就是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。作为一个科学学科，计算机视觉研究相关的理论和技术，试图建立能够从图像或者多维数据中获取
‘
信息
’
的人工智能系统。而全景图像的目标检测是计算机视觉的研究对象之一，全景图像的目标检测，属于目标检测的细分领域，是一种基于全景目标统计特征和语义信息的计算机视觉技术，可以同时获得全景图像中目标的类别信息和位置信息。
[0003]全景图像是一种特殊的图像，宽高比一般为2:1，由多张图像拼接而成。它按照经纬展开法，图像的宽就是纬度0
‑
2π，图像的高就是经度0
‑
π。所以，它能记录水平360度，俯仰180度的全部信息。目前，对全景图像进行目标检测时，一般是对全景图像的平面展开图像进行目标检测，所以全景图像中部分物体会发生畸变，导致检测结果的矩形框并不能合理地框住发生形变和延展的目标，从而导致检测结果出现偏差。
[0004]针对全景图像中部分物体发生畸变，导致检测结果出现偏差的现象，目前可以采用BFoV(Bounding Field
‑
of
‑
Views，形成视场角边界)表示全景图像中的目标。BFoV把全景图像视为一个球面，用目标所在的纬经度坐标表示其中心点，用它水平和竖直方向上的两个视场角表示它所占的空间。然而，由于BFoV特有的对称性，其表示的检测区域依然不总是能很好地包含全景图像中倾斜或者发生形变畸变的目标，影响目标检测的检测效果。
技术实现思路
[0005]基于此，有必要针对上述技术问题，提供一种能够提高全景图像的目标检测准确率的全景图像的目标检测方法、装置、计算机设备和存储介质。
[0006]一种全景图像的目标检测方法，所述方法包括：
[0007]获取待检测全景图像；
[0008]通过包含预设目标形变适应卷积算子的卷积神经网络对所述待检测全景图像进行卷积处理，获取所述待检测全景图像中检测目标的目标类别以及目标边界位置点数据，所述目标边界位置点数据包括坐标超出所述待检测全景图像边界的目标边界位置点；
[0009]根据所述检测目标的目标类别以及目标边界位置点数据，获取所述待检测全景图像对应的目标检测结果。
[0010]在其中一个实施例中，所述通过包含预设目标形变适应卷积算子的卷积神经网络对所述待检测全景图像进行卷积处理，获取所述待检测全景图像中检测目标的目标类别以
及目标边界位置点数据包括：
[0011]将所述待检测全景图像输入包含预设目标形变适应卷积算子的卷积神经网络，获取所述待检测全景图像中初始检测目标对应的热力图、目标类别以及目标边界位置点数据；
[0012]根据所述热力图对所述初始检测目标进行过滤处理，获取检测目标；
[0013]获取所述检测目标对应目标类别以及目标边界位置点数据。
[0014]在其中一个实施例中，所述初始检测目标包括非边界位置目标，所述卷积神经网络还包括常规卷积算子；
[0015]所述将所述待检测全景图像输入包含预设目标形变适应卷积算子的卷积神经网络，获取所述待检测全景图像中初始检测目标对应的热力图、目标类别以及目标边界位置点数据包括：
[0016]通过所述常规卷积算子提取所述待检测全景图像的全景图像特征；
[0017]基于所述全景图像特征确定所述待检测全景图像中的非边界位置目标，获取所述非边界位置目标对应的热力图、目标类别以及目标边界位置点数据。
[0018]在其中一个实施例中，所述初始检测目标包括边界位置目标，所述将所述待检测全景图像输入包含预设目标形变适应卷积算子的卷积神经网络，获取所述待检测全景图像中初始检测目标对应的热力图、目标类别以及目标边界位置点数据包括：
[0019]通过预设目标形变适应卷积算子提取所述待检测全景图像的全景图像特征；
[0020]基于所述全景图像特征确定所述待检测全景图像中处于边界位置上的边界位置目标，得到初始检测目标；
[0021]基于所述全景图像特征识别第一检测目标与第二检测目标之间的目标属性，所述第一检测目标与所述第二检测目标为所述全景图像中处于相对位置的初始检测目标；
[0022]当所述目标属性表征所述第一检测目标与所述第二检测目标为同一检测目标时，获取所述第一检测目标与所述第二检测目标对应的热力图、目标类别以及目标边界位置点数据；
[0023]根据所述第一检测目标与所述第二检测目标对应的热力图、目标类别以及目标边界位置点数据，获取所述待检测全景图像中边界位置目标对应的热力图、目标类别以及目标边界位置点数据。
[0024]在其中一个实施例中，所述通过包含预设目标形变适应卷积算子的卷积神经网络对所述待检测全景图像进行卷积处理，获取所述待检测全景图像中检测目标的目标类别以及目标边界位置点数据之前，还包括：
[0025]获取目标类别标注以及目标边界位置点标注的历史全景图像，所述目标边界位置点数据包括坐标超出所述待检测全景图像边界的目标边界位置点；
[0026]根据所述历史全景图像构建模型训练数据组；
[0027]通过所述模型训练数据组，对包含预设目标形变适应卷积算子的初始卷积神经网络进行训练，获取包含预设目标形变适应卷积算子的卷积神经网络。
[0028]在其中一个实施例中，所述根据所述检测目标的目标类别以及目标边界位置点数据，获取所述待检测全景图像对应的目标检测结果包括；
[0029]根据所述检测目标的目标类别以及目标边界位置点数据，生成所述检测目标对应
的数据组；
[0030]将各检测目标对应的数据组填入预设目标检测结果列表，生成所述待检测全景图像对应的目标检测结果。
[0031]一种全景图像的目标检测装置，所述装置包括：
[0032]数据获取模块，用于获取待检测全景图像；
[0033]卷积处理模块，用于通过包含预设目标形变适应卷积算子的卷积神经网络对所述待检测全景图像进行卷积处理，获取所述待检测全景图像中检测目标的目标类别以及目标边界位置点数据，所述目标边界位置点数据包括坐标超出所述待检测全景图像边界的目标边界位置点；
[0034]目标检测模块，用于根据所述检测目标的目标类别以及目标边界位置点数据，获取所述待检测全景图像对应的目标检测结果。
[0035]在其中一个实施例中，所述卷积处理模块具体用于：将所述待检测全景图像输入包含预设目标形变适应卷积算子的卷积神经网络，获取所述待检本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种全景图像的目标检测方法，所述方法包括：获取待检测全景图像；通过包含预设目标形变适应卷积算子的卷积神经网络对所述待检测全景图像进行卷积处理，获取所述待检测全景图像中检测目标的目标类别以及目标边界位置点数据，所述目标边界位置点数据包括坐标超出所述待检测全景图像边界的目标边界位置点；根据所述检测目标的目标类别以及目标边界位置点数据，获取所述待检测全景图像对应的目标检测结果。2.根据权利要求1所述的方法，其特征在于，所述通过包含预设目标形变适应卷积算子的卷积神经网络对所述待检测全景图像进行卷积处理，获取所述待检测全景图像中检测目标的目标类别以及目标边界位置点数据包括：将所述待检测全景图像输入包含预设目标形变适应卷积算子的卷积神经网络，获取所述待检测全景图像中初始检测目标对应的热力图、目标类别以及目标边界位置点数据；根据所述热力图对所述初始检测目标进行过滤处理，获取检测目标；获取所述检测目标对应目标类别以及目标边界位置点数据。3.根据权利要求2所述的方法，其特征在于，所述初始检测目标包括非边界位置目标，所述卷积神经网络还包括常规卷积算子；所述将所述待检测全景图像输入包含预设目标形变适应卷积算子的卷积神经网络，获取所述待检测全景图像中初始检测目标对应的热力图、目标类别以及目标边界位置点数据包括：通过所述常规卷积算子提取所述待检测全景图像的全景图像特征；基于所述全景图像特征确定所述待检测全景图像中的非边界位置目标，获取所述非边界位置目标对应的热力图、目标类别以及目标边界位置点数据。4.根据权利要求2所述的方法，其特征在于，所述初始检测目标包括边界位置目标；所述将所述待检测全景图像输入包含预设目标形变适应卷积算子的卷积神经网络，获取所述待检测全景图像中初始检测目标对应的热力图、目标类别以及目标边界位置点数据包括：通过预设目标形变适应卷积算子提取所述待检测全景图像的全景图像特征；基于所述全景图像特征确定所述待检测全景图像中处于边界位置上的边界位置目标，得到初始检测目标；基于所述全景图像特征识别第一检测目标与第二检测目标之间的目标属性，所述第一检测目标与所述第二检测目标为所述全景图像中处于相对位置的初始检测目标；当所述目标属性表征所述第一检测目标与所述第二检测目标为同一检测目标时，获取所述第一检测目标与所述第二检测目标对应的热力图、目标类别以及目标边界位置点数据；根据所述第一检测目标与所述第二检测目标对应...
【专利技术属性】
技术研发人员：林晓帆，姜文杰，
申请(专利权)人：影石创新科技股份有限公司，
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。