目标检测方法、装置、飞行设备及计算机可读存储介质制造方法及图纸

本发明专利技术的实施例提供了一种目标检测方法、装置、飞行设备及计算机可读存储介质，涉及计算机视觉技术领域。首先获取实时巡检视频对应的帧图像集合，再利用目标检测算法，依次对帧图像集合中的每一帧图像进行目标检测，得到目标检测对象的位置信息和分类信息。接着根据目标检测对象的位置信息和分类信息，得到每一帧图像对应的检测结果图像。最后依次根据每帧检测结果图像，合成已标记所述目标检测对象的目标视频。如此飞行设备能够直接对采集到的实时巡检视频进行处理，得到已标记目标检测对象的目标视频，提高了巡检视频处理结果的效率且满足了用户的实时处理需求。足了用户的实时处理需求。足了用户的实时处理需求。

【技术实现步骤摘要】
目标检测方法、装置、飞行设备及计算机可读存储介质


[0001]本专利技术涉及计算机视觉
，具体而言，涉及一种目标检测方法、装置、飞行设备及计算机可读存储介质。

技术介绍

[0002]现有技术中，无人机执行巡检任务，通常是由无人机采集待检测视频，视频采集完成返航后，通过SD卡拷贝至分析服务器中，由分析服务器对视频进行目标检测处理。但是，这样会导致得到巡检任务结果的效率很低，无法满足用户的实时性需求。

技术实现思路

[0003]本专利技术的目的在于提供一种目标检测方法、装置、飞行设备及计算机可读存储介质，其能够改善现有技术存在的问题。
[0004]本专利技术的实施例可以这样实现：
[0005]第一方面，本专利技术提供一种目标检测方法，应用于飞行设备，所述方法包括：
[0006]获取实时巡检视频对应的帧图像集合；
[0007]利用目标检测算法，依次对所述帧图像集合中的每一帧图像进行目标检测，得到目标检测对象的位置信息和分类信息；
[0008]根据所述目标检测对象的位置信息和分类信息，得到所述每一帧图像对应的检测结果图像，其中，所述检测结果图像中已标记所述目标检测对象的位置和类别；
[0009]依次根据每帧检测结果图像，合成已标记所述目标检测对象的目标视频。
[0010]在可选的实施方式中，所述利用目标检测算法，依次对所述帧图像集合中的每一帧图像进行目标检测，得到目标检测对象的位置信息和分类信息的步骤，包括：
[0011]针对所述每一帧图像，进行预处理；
[0012]对预处理后的图像中的特征进行提取，得到特征图像；
[0013]对所述特征图像中的全部特征，采用下采样增强语义特征，以及采用上采样增强定位特征；
[0014]对所述全部特征进行回归预测处理，得到所述目标检测对象的位置信息和分类信息。
[0015]在可选的实施方式中，在所述获取实时巡检视频对应的帧图像集合的步骤之前，所述方法还包括：
[0016]读取预先训练得到的权重文件，所述权重文件中包含所述目标检测算法对应的神经网络中各节点的权重信息；
[0017]根据所述权重文件，更新所述神经网络中各节点的权重以完成所述目标检测算法的初始化。
[0018]在可选的实施方式中，所述获取实时巡检视频对应的帧图像集合的步骤，包括：
[0019]获取所述实时巡检视频；
[0020]对所述实时巡检视频进行解码，获得所述实时巡检视频对应的帧图像集合。
[0021]在可选的实施方式中，所述方法还包括：
[0022]依次将所述每帧检测结果图像推流至用户端，以使所述用户端根据接收的每帧检测结果图像进行视频播放。
[0023]第二方面，本专利技术提供一种目标检测装置，应用于飞行设备，所述装置包括：
[0024]视频获取模块，用于获取实时巡检视频对应的帧图像集合；
[0025]数据处理模块，用于利用目标检测算法，依次对所述帧图像集合中的每一帧图像进行目标检测，得到目标检测对象的位置信息和分类信息；
[0026]所述数据处理模块，还用于根据所述目标检测对象的位置信息和分类信息，得到所述每一帧图像对应的检测结果图像，其中，所述检测结果图像中已标记所述目标检测对象的位置和类别；
[0027]所述数据处理模块，还用于依次根据每帧检测结果图像，合成已标记所述目标检测对象的目标视频。
[0028]在可选的实施方式中，所述数据处理模块，具体用于：
[0029]针对所述每一帧图像，进行预处理；
[0030]对预处理后的图像中的特征进行提取，得到特征图像；
[0031]对所述特征图像中的全部特征，采用下采样增强语义特征，以及采用上采样增强定位特征；
[0032]对所述全部特征进行回归预测处理，得到所述目标检测对象的位置信息和分类信息。
[0033]在可选的实施方式中，还包括模型初始化模块，所述模型初始化模块具体用于：
[0034]读取预先训练得到的权重文件，所述权重文件中包含所述目标检测算法对应的神经网络中各节点的权重信息；
[0035]根据所述权重文件，更新所述神经网络中各节点的权重以完成所述目标检测算法的初始化。
[0036]第三方面，本专利技术提供一种飞行设备，所述飞行设备包括视频采集单元及处理单元，所述视频采集单元与所述处理单元通信连接；
[0037]所述视频采集单元用于采集巡检视频，并将所述巡检视频编码为巡检视频数据发送至所述处理单元；
[0038]所述处理单元用于执行如前述实施方式任一所述的目标检测方法。
[0039]第四方面，本专利技术提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行以实现前述实施方式任一所述的目标检测方法。
[0040]本专利技术实施例提供了一种目标检测方法、装置、飞行设备及计算机可读存储介质，首先获取实时巡检视频对应的帧图像集合，再利用目标检测算法，依次对帧图像集合中的每一帧图像进行目标检测，得到目标检测对象的位置信息和分类信息。接着根据目标检测对象的位置信息和分类信息，得到每一帧图像对应的检测结果图像。最后依次根据每帧检测结果图像，合成已标记所述目标检测对象的目标视频。其有益效果在于：飞行设备能够直接对采集到的实时巡检视频进行处理，得到已标记目标检测对象的目标视频，提高了巡检
视频处理结果的效率且满足了用户的实时处理需求。
附图说明
[0041]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
[0042]图1为本专利技术实施例提供了一种飞行设备的结构示意图。
[0043]图2为本专利技术实施例提供的一种目标检测方法的流程示意图之一。
[0044]图3为本专利技术实施例提供的一种目标检测方法的流程示意图之二。
[0045]图4为本专利技术实施例提供的一种目标检测算法的结构示意图。
[0046]图5为本专利技术实施例提供的一种目标检测方法的流程示意图之三。
[0047]图6为算法Yolov5s的网络结构示意图。
[0048]图7为本专利技术实施例提供的一种目标检测方法的流程示意图之四。
[0049]图8为本专利技术实施例提供的一种目标检测装置的结构示意图。
具体实施方式
[0050]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例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。通常在此处附图中描述和示出的本专利技术实施例的组件可以以各种不同的配置来布置和设计。
[0051]因此，以下对在附图中提供的本专利技术的实施例本文档来自技高网...

【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，应用于飞行设备，所述方法包括：获取实时巡检视频对应的帧图像集合；利用目标检测算法，依次对所述帧图像集合中的每一帧图像进行目标检测，得到目标检测对象的位置信息和分类信息；根据所述目标检测对象的位置信息和分类信息，得到所述每一帧图像对应的检测结果图像，其中，所述检测结果图像中已标记所述目标检测对象的位置和类别；依次根据每帧检测结果图像，合成已标记所述目标检测对象的目标视频。2.如权利要求1所述的方法，其特征在于，所述利用目标检测算法，依次对所述帧图像集合中的每一帧图像进行目标检测，得到目标检测对象的位置信息和分类信息的步骤，包括：针对所述每一帧图像，进行预处理；对预处理后的图像中的特征进行提取，得到特征图像；对所述特征图像中的全部特征，采用下采样增强语义特征，以及采用上采样增强定位特征；对所述全部特征进行回归预测处理，得到所述目标检测对象的位置信息和分类信息。3.如权利要求1所述的方法，其特征在于，在所述获取实时巡检视频对应的帧图像集合的步骤之前，所述方法还包括：读取预先训练得到的权重文件，所述权重文件中包含所述目标检测算法对应的神经网络中各节点的权重信息；根据所述权重文件，更新所述神经网络中各节点的权重以完成所述目标检测算法的初始化。4.如权利要求1所述的方法，其特征在于，所述获取实时巡检视频对应的帧图像集合的步骤，包括：获取所述实时巡检视频；对所述实时巡检视频进行解码，获得所述实时巡检视频对应的帧图像集合。5.如权利要求1所述的方法，其特征在于，还包括：依次将所述每帧检测结果图像推流至用户端，以使所述用户端根据接收的每帧检测结果图像进行视频播放。6.一种目标检测装置，其特征在于，应用于飞行设...

【专利技术属性】
技术研发人员：赵晓丹，李勇，潘屹峰，黄吴蒙，董哲盟，周成虎，
申请(专利权)人：广州中科云图智能科技有限公司，
类型：发明
国别省市：