本公开实施例公开了一种视频目标的状态检测方法和装置、电子设备及存储介质，其中，方法包括：基于预先训练的分类模型，确定待检测视频的每帧图像中关于目标的状态的正向置信度；基于多个不同长度的窗口，分别确定每个窗口对应的待检测视频中的多帧图像关于所述目标的状态的融合正向置信度；基于每个窗口的融合正向置信度与对应的融合正向置信度阈值，确定待检测视频中目标的状态检测结果。本公开实施例可以能够提高系统的响应灵敏度。施例可以能够提高系统的响应灵敏度。施例可以能够提高系统的响应灵敏度。
【技术实现步骤摘要】
视频目标的状态检测方法和装置、电子设备和存储介质
[0001]本公开涉及图像处理技术，尤其是一种视频目标的状态检测方法和装置、电子设备及存储介质。
技术介绍
[0002]在对视频或图像中目标进行行为状态检测或环境状态检测的应用中，往往需要利用深度学习模型来确定图像关于目标的行为状态或环境状态的置信度，然后在模型后处理过程中，系统可基于关于目标的状态的置信度输出关于目标的行为状态或环境状态的状态检测结果。
[0003]针对模型后处理过程，如何提高系统输出响应灵敏度，是一个值得关注的技术问题。
技术实现思路
[0004]为了解决上述技术问题，提出了本公开。本公开的实施例提供了一种视频目标的状态检测方法和装置、电子设备及存储介质。
[0005]根据本公开实施例的一个方面，提供了一种视频目标的状态检测方法，包括：基于预先训练的分类模型，确定待检测视频的每帧图像中关于目标的状态的正向置信度；基于多个不同长度的窗口，分别确定每个窗口对应的所述待检测视频中的多帧图像关于所述目标的状态的融合正向置信度；基于所述每个窗口的融合正向置信度与对应的融合正向置信度阈值，确定所述待检测视频中目标的状态检测结果；其中，所述融合正向置信度阈值是基于给定准确率确定的。
[0006]根据本公开实施例的另一个方面，提供了一种视频目标的状态检测装置，包括：正向置信度确定模块，用于基于预先训练的分类模型，确定待检测视频的每帧图像中关于目标的状态的正向置信度；融合正向置信度确定模块，用于基于多个不同长度的窗口，分别确定每个窗口对应的所述待检测视频中的多帧图像关于所述目标的状态的融合正向置信度；检测结果确定模块，用于基于所述每个窗口的融合正向置信度与对应的融合正向置信度阈值，确定所述待检测视频中所述目标的状态检测结果；其中，所述融合正向置信度阈值是基于给定准确率确定的。
[0007]根据本公开实施例的又一个方面，提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行本公开上述任一实施例所述的视频目标的状态检测方法。
[0008]根据本公开实施例的再一个方面，提供了一种电子设备，所述电子设备包括：处理器；用于存储所述处理器可执行指令的存储器；所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述指令以实现本公开上述任一实施例所述的视频目标的状态检测方法。
[0009]基于本公开上述实施例提供的视频目标的状态检测方法和装置、电子设备及存储
介质，可以分别确定多个不同长度的窗口中每个窗口对应的多帧图像关于目标的状态的融合正向置信度，进而基于每个窗口的融合正向置信度与对应的融合正向置信度阈值，确定待检测视频中目标的状态检测结果，可以实现基于多时间窗口的状态输出策略，相对于采用固定时间窗口对待检测视频中目标的状态进行检测，具体较好的灵活性。另外，每个窗口的融合正向置信度阈值是基于给定准确率确定的，并且短窗口的检测过程耗时短，能够在保证状态检测结果准确率的前提下，有助于及时输出待检测视频中目标的状态检测结果，能够提高系统的响应灵敏度。
[0010]下面通过附图和实施例，对本公开的技术方案做进一步的详细描述。
附图说明
[0011]通过结合附图对本公开实施例进行更详细的描述，本公开的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本公开实施例的进一步理解，并且构成说明书的一部分，与本公开实施例一起用于解释本公开，并不构成对本公开的限制。在附图中，相同的参考标号通常代表相同部件或步骤。
[0012]图1是本公开所适用的检测系统的一示例性框架示意图；
[0013]图2是本公开一示例性实施例提供的视频目标的状态检测方法的流程示意图；
[0014]图3a
‑
3b是本公开多个不同长度的窗口的示意图；
[0015]图4是本公开的准确率曲线；
[0016]图5是本公开另一示例性实施例提供的视频目标的状态检测方法的流程示意图；
[0017]图6是本公开再一示例性实施例提供的视频目标的状态检测方法的流程示意图；
[0018]图7是本公开一个示例性实施例提供的视频目标的状态检测装置的结构示意图；
[0019]图8是本公开另一个示例性实施例提供的视频目标的状态检测装置的结构示意图；
[0020]图9是本公开再一个示例性实施例提供的视频目标的状态检测装置的结构示意图；
[0021]图10是本公开一示例性实施例提供的电子设备的结构图。
具体实施方式
[0022]下面，将参考附图详细地描述根据本公开的示例实施例。显然，所描述的实施例仅仅是本公开的一部分实施例，而不是本公开的全部实施例，应理解，本公开不受这里描述的示例实施例的限制。
[0023]应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。
[0024]本领域技术人员可以理解，本公开实施例中的“第一”、“第二”等术语仅用于区别不同步骤、设备或模块等，既不代表任何特定技术含义，也不表示它们之间的必然逻辑顺序。
[0025]还应理解，在本公开实施例中，“多个”可以指两个或两个以上，“至少一个”可以指一个、两个或两个以上。
[0026]还应理解，对于本公开实施例中提及的任一部件、数据或结构，在没有明确限定或
者在前后文给出相反启示的情况下，一般可以理解为一个或多个。
[0027]另外，本公开中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本公开中字符“/”，一般表示前后关联对象是一种“或”的关系。
[0028]还应理解，本公开对各个实施例的描述着重强调各个实施例之间的不同之处，其相同或相似之处可以相互参考，为了简洁，不再一一赘述。
[0029]同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
[0030]以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本公开及其应用或使用的任何限制。
[0031]对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。
[0032]应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
[0033]本公开实施例可以应用于终端设备、计算机系统、服务器等电子设备，其可与众多其它通用或专用计算系统环境或配置一起操作。适于与终端设备、计算机系统、服务器等电子设备一起使用的众所周知的终端设备、计算系统、环境和/或配置的例子包括但不限于：个人计算机系统、服务器计算机系统、瘦客户机、厚客户机、手持或膝上设备、基于微处理器的系统、机顶盒、可编程消费电子产品、本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种视频目标的状态检测方法，其中，包括：基于预先训练的分类模型，确定待检测视频的每帧图像中关于目标的状态的正向置信度；基于多个不同长度的窗口，分别确定每个窗口对应的所述待检测视频中的多帧图像关于所述目标的状态的融合正向置信度；基于所述每个窗口的融合正向置信度与对应的融合正向置信度阈值，确定所述待检测视频中所述目标的状态检测结果；其中，所述融合正向置信度阈值是基于给定准确率确定的。2.根据权利要求1所述的方法，其中，在相同准确率要求下，所述对应的融合正向置信度阈值与所述每个窗口的长度负相关。3.根据权利要求2所述的方法，其中，所述分别确定每个窗口对应的所述待检测视频中的多帧图像关于所述目标的状态的融合正向置信度，包括：基于所述每个窗口对应的多帧图像中每帧图像中关于所述目标的状态的正向置信度，按照预设方式确定所述每个窗口对应的多帧图像关于所述目标的状态的融合正向置信度。4.根据权利要求1所述的方法，其中，所述基于所述每个窗口的融合正向置信度与对应的融合正向置信度阈值，确定所述待检测视频中所述目标的状态检测结果，包括：按照窗口的长度由小到大的顺序，确定所述多个不同长度的窗口对应的多个融合正向置信度的检测顺序；基于所述多个融合正向置信度的检测顺序，依次判断所述多个融合正向置信度与对应的融合正向置信度阈值的大小关系；基于所述大小关系，确定所述待检测视频中所述目标的状态检测结果。5.根据权利要求4所述的方法，其中，所述基于所述检测顺序，依次判断所述多个融合正向置信度与对应的融合正向置信度阈值的大小关系，包括：基于所述检测顺序，从所述多个融合正向置信度中确定出第一个大于对应的融合正向置信度阈值的融合正向置信度。6.根据权利要求5所述的状态检测方法，其中，所述状态检测方法还包括：基于所述预先训练的分类模型，确定视频的每帧图像中关于目标的状态的负向置信度；从所述多个不同长度的窗口中，确定所述第一个大于对应的融合正向置信度阈值的融合正向置信度对应的第一窗口；基于所述多个不同长度的窗口的预设顺序，确定所述第一窗口之前的多个窗口各自对应的...
【专利技术属性】
技术研发人员：储刘火，陈驰，牛建伟，余凯，
申请(专利权)人：南京地平线机器人技术有限公司，
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。