目标检测方法、系统及存储介质技术方案

本申请公开了一种目标检测方法、系统及存储介质，涉及车辆检测领域，所述方法包括：获取待处理目标的当前帧的原始图像数据；将原始图像数据输入至特征提取网络结构中，通过特征提取网络结构对原始图像数据执行下采样操作；通过特征提取网络结构对下采样图像数据执行上采样操作；通过特征提取网络结构对第二上采样图像数据执行特征提取操作；将第二上采样图像数据输入至掩膜分支结构中；根据特征分类信息和第二特征区域信息对待处理目标执行框选操作，得到第二掩膜区域，并获取上一帧对应的第一掩膜区域；对第一掩膜区域和第二掩膜区域执行匹配操作，得到目标检测数据。本申请的目标检测方法能够提高检测物的成功匹配率，提高追踪的准确率。踪的准确率。踪的准确率。

【技术实现步骤摘要】
目标检测方法、系统及存储介质


[0001]本申请涉及车辆检测领域，特别涉及一种目标检测方法、系统及存储介质。

技术介绍

[0002]在自动驾驶系统中，车辆检测与追踪是最基本且核心的技术，许多辅助驾驶功能都是在识别到有效车辆目标的基础上实现的，该技术随着计算机视觉识别领域理论的发展，从最早的简单图像处理到基本的模式识别，再从传统的机器学习到计算机深度学习，车辆识别追踪技术也延伸出了许多改进的方法。
[0003]针对道路车辆检测及追踪任务，现有的方法大多直接使用特征提取网络输出的特征图和回归信息作为追踪的输入，由于输出的目标的回归框内可能包含一些背景信息或者其他的检测物，这些信息可能会对提取的特征造成干扰，影响特征匹配，进而影响追踪效果。

技术实现思路

[0004]本申请旨在至少解决现有技术中存在的技术问题之一。为此，本申请提出了一种目标检测方法、系统及存储介质，能够提高检测物的成功匹配率，提高追踪的准确率。
[0005]为解决上述技术问题，本专利技术提出如下技术方案：
[0006]本申请第一方面实施例提供了一种目标检测方法，包括：
[0007]获取待处理目标的当前帧的原始图像数据；
[0008]将所述原始图像数据输入至特征提取网络结构中，通过所述特征提取网络结构对所述原始图像数据执行下采样操作，得到下采样图像数据；
[0009]通过所述特征提取网络结构对所述下采样图像数据执行上采样操作，得到上采样图像数据，其中，所述上采样图像数据包括第一上采样图像数据和第二上采样图像数据，且所述第二上采样图像数据由所述第一上采样图像数据经过上采样操作得到；
[0010]通过所述特征提取网络结构对所述第二上采样图像数据执行特征提取操作，得到所述待处理目标对应的特征分类信息；
[0011]将所述第二上采样图像数据输入至掩膜分支结构中，得到所述待处理目标对应的第二特征区域信息；
[0012]根据所述特征分类信息和所述第二特征区域信息对所述待处理目标执行框选操作，得到第二掩膜区域，并获取上一帧对应的第一掩膜区域；
[0013]对所述第一掩膜区域和所述第二掩膜区域执行匹配操作，得到所述待处理目标对应的目标检测数据。
[0014]根据本申请第一方面实施例的目标检测方法，至少具有如下有益效果：本申请的目标检测方法通过将原始图像数据输入至特征提取网络结构中，通过特征提取网络结构对其执行下采样操作，得到具有更为丰富的语义信息的下采样图像数据，使得提取的特征辨别度更高。并在得到下采样图像数据后，对其执行上采样操作，并进一步通过特征提取网络
结构对原始图像数据中的众多特征信息进行了分类，得到了特征分类信息。在执行完第二次上采样操作得到第二上采样图像数据后，将第二上采样图像数据输入到掩膜分支结构中，得到待处理目标对应的特征区域信息，对多目标检测的遮挡问题起到了区域划分作用。且本申请的目标检测方法结合了特征分类信息和特征区域信息来计算当前帧的第二掩膜区域，将计算得到的第二掩膜区域和上一帧对应的第一掩膜区域进行匹配，得到目标检测数据，增加了目标的成功匹配率，进而提高了追踪的准确率。
[0015]根据本申请第一方面的一些实施例，所述下采样图像数据包括第一下采样图像数据、第二下采样图像数据、第三下采样图像数据和第四下采样图像数据，所述通过所述特征提取网络结构对所述原始图像数据执行下采样操作，得到下采样图像数据，包括：
[0016]通过所述特征提取网络结构中的64个卷积核对所述原始图像数据执行下采样操作，得到第一下采样图像数据；
[0017]通过所述特征提取网络结构中的128个卷积核对所述第一下采样图像数据执行下采样操作，得到第二下采样图像数据；
[0018]通过所述特征提取网络结构中的256个卷积核对所述第二下采样图像数据执行下采样操作，得到第三下采样图像数据；
[0019]通过所述特征提取网络结构中的512个卷积核对所述第三下采样图像数据执行下采样操作，得到第四下采样图像数据。
[0020]根据本申请第一方面的一些实施例，所述通过所述特征提取网络结构对所述下采样图像数据执行上采样操作，得到上采样图像数据，包括：
[0021]通过所述特征提取网络结构中的可变形卷积层和256个卷积核对所述第四下采样图像数据执行上采样操作，并融合所述第三下采样图像数据，得到第一上采样图像数据；
[0022]通过所述特征提取网络结构中的可变形卷积层和128个卷积核对所述第一上采样图像数据执行上采样操作，并融合所述第二下采样图像数据，得到第二上采样图像数据。
[0023]根据本申请第一方面的一些实施例，所述通过所述特征提取网络结构对所述第二上采样图像数据执行特征提取操作，得到所述待处理目标对应的特征分类信息，包括：
[0024]通过所述特征提取网络结构根据one
‑
hot编码对所述第二上采样图像数据执行特征提取操作，得到所述待处理目标对应的特征分类信息。
[0025]根据本申请第一方面的一些实施例，所述将所述第二上采样图像数据输入至掩膜分支结构中，得到所述待处理目标对应的第二特征区域信息，包括：
[0026]通过掩膜分支结构对所述第二上采样图像数据执行5次卷积操作，并在第5次卷积操作中执行减少通道操作，得到第三上采样图像数据；
[0027]通过掩膜分支结构对所述第三上采样图像数据进行掩膜处理，得到所述待处理目标对应的第二特征区域信息。
[0028]根据本申请第一方面的一些实施例，所述通过掩膜分支结构对所述第三上采样图像数据进行掩膜处理，得到所述待处理目标对应的第二特征区域信息，包括：
[0029]通过掩膜分支结构对所述第三上采样图像数据中的背景信息执行屏蔽操作，得到所述第二特征区域信息，其中所述第二特征区域信息包括预测偏移量信息和框尺寸信息。
[0030]根据本申请第一方面的一些实施例，所述通过掩膜分支结构对所述第三上采样图像数据中的背景信息执行屏蔽操作，得到所述第二特征区域信息，包括以下之一：
[0031]提取所述第一掩膜区域的第一特征区域信息和所述第二掩膜区域中的第二特征区域信息，对所述第一特征区域信息和所述第二特征区域信息执行相似度计算操作，得到相似度数据，根据所述相似度数据得到所述待处理目标对应的目标检测数据；或者，
[0032]计算所述第一掩膜区域的第一掩膜面积信息和所述第二掩膜区域的第二掩膜面积信息，对所述第一掩膜面积信息和所述第二掩膜面积信息执行重叠度计算操作，得到重叠度数据，根据所述重叠度数据得到所述待处理目标对应的目标检测数据。
[0033]根据本申请第一方面的一些实施例，重叠度数据的计算公式如下：
[0034][0035]其中，所述IoU(t,t+1)表示所述重叠度数据，所述DetMask(t)表示所述第一掩膜面积信息，所述DetMask(t+1)表示所述第二掩膜面积信息。
[0036]本申请第二方面实施例提供了本文档来自技高网...

【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，包括：获取待处理目标的当前帧的原始图像数据；将所述原始图像数据输入至特征提取网络结构中，通过所述特征提取网络结构对所述原始图像数据执行下采样操作，得到下采样图像数据；通过所述特征提取网络结构对所述下采样图像数据执行上采样操作，得到上采样图像数据，其中，所述上采样图像数据包括第一上采样图像数据和第二上采样图像数据，且所述第二上采样图像数据由所述第一上采样图像数据经过上采样操作得到；通过所述特征提取网络结构对所述第二上采样图像数据执行特征提取操作，得到所述待处理目标对应的特征分类信息；将所述第二上采样图像数据输入至掩膜分支结构中，得到所述待处理目标对应的第二特征区域信息；根据所述特征分类信息和所述第二特征区域信息对所述待处理目标执行框选操作，得到第二掩膜区域，并获取上一帧对应的第一掩膜区域；对所述第一掩膜区域和所述第二掩膜区域执行匹配操作，得到所述待处理目标对应的目标检测数据。2.根据权利要求1所述的目标检测方法，其特征在于，所述下采样图像数据包括第一下采样图像数据、第二下采样图像数据、第三下采样图像数据和第四下采样图像数据，所述通过所述特征提取网络结构对所述原始图像数据执行下采样操作，得到下采样图像数据，包括：通过所述特征提取网络结构中的64个卷积核对所述原始图像数据执行下采样操作，得到第一下采样图像数据；通过所述特征提取网络结构中的128个卷积核对所述第一下采样图像数据执行下采样操作，得到第二下采样图像数据；通过所述特征提取网络结构中的256个卷积核对所述第二下采样图像数据执行下采样操作，得到第三下采样图像数据；通过所述特征提取网络结构中的512个卷积核对所述第三下采样图像数据执行下采样操作，得到第四下采样图像数据。3.根据权利要求2所述的目标检测方法，其特征在于，所述通过所述特征提取网络结构对所述下采样图像数据执行上采样操作，得到上采样图像数据，包括：通过所述特征提取网络结构中的可变形卷积层和256个卷积核对所述第四下采样图像数据执行上采样操作，并融合所述第三下采样图像数据，得到第一上采样图像数据；通过所述特征提取网络结构中的可变形卷积层和128个卷积核对所述第一上采样图像数据执行上采样操作，并融合所述第二下采样图像数据，得到第二上采样图像数据。4.根据权利要求1至3任一项所述的目标检测方法，其特征在于，所述通过所述特征提取网络结构对所述第二上采样图像数据执行特征提取操作，得到所述待处理目标...

【专利技术属性】
技术研发人员：陆晓田，董超俊，郭俊麟，黄婉霞，欧凯瞳，
申请(专利权)人：五邑大学，
类型：发明
国别省市：