目标检测方法、装置、电子设备及存储介质制造方法及图纸

本公开提供了一种目标检测方法、装置、电子设备及存储介质，涉及人工智能技术领域，进一步涉及图像识别、云计算和深度学习领域，以至少解决相关技术中对运动目标进行检测的检测准确率低的技术问题。具体实现方案为：获取图像序列中的目标图像，其中，目标图像为图像序列中待检测的当前图像；利用目标追踪算法对目标图像进行检测，得到运动目标的初始位置信息和初始位置信息的目标置信度，其中，目标追踪算法用于检测图像序列中每张图像的运动目标，目标置信度用于表示初始位置信息是否准确；基于目标置信度和初始位置信息，确定目标位置信息。位置信息。位置信息。

【技术实现步骤摘要】
目标检测方法、装置、电子设备及存储介质


[0001]本公开涉及人工智能
，尤其涉及一种目标检测方法、装置、电子设备及存储介质。

技术介绍

[0002]随着目标追踪算法的飞速发展，近些年，目标追踪算法在驾驶领域也有着广泛的应用。但是现有的目标追踪算法，都是按照固定的计算方式对运动目标进行检测，但运动目标在不同区域的运动情况并不相同，这就导致了对运动目标进行检测的检测准确率低。

技术实现思路

[0003]本公开提供了一种目标检测方法、装置、电子设备及存储介质，以至少解决相关技术中对运动目标进行检测的检测准确率低的技术问题。
[0004]根据本公开的一方面，提供了一种目标检测方法，包括：获取图像序列中的目标图像，其中，目标图像为图像序列中待检测的当前图像；利用目标追踪算法对目标图像进行检测，得到运动目标的初始位置信息和初始位置信息的目标置信度，其中，目标追踪算法用于检测图像序列中每张图像的运动目标，目标置信度用于表示初始位置信息是否准确；基于目标置信度和初始位置信息，确定目标位置信息。
[0005]根据本公开的又一方面，提供了一种目标检测装置，包括：获取模块，用于获取图像序列中的目标图像，其中，目标图像为图像序列中待检测的当前图像；检测模块，用于利用目标追踪算法对目标图像进行检测，得到运动目标的初始位置信息和初始位置信息的目标置信度，其中，目标追踪算法用于检测图像序列中每张图像的运动目标，目标置信度用于表示初始位置信息是否准确；确定模块，用于基于目标置信度和初始位置信息，确定目标位置信息。
[0006]根据本公开的又一方面，提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行本公开提出的目标检测方法。
[0007]根据本公开的又一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，计算机指令用于使计算机执行本公开提出的目标检测方法。
[0008]根据本公开的又一方面，提供了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行本公开提出的目标检测方法。
[0009]在本公开中，首先获取图像序列中的目标图像，其次通过目标追踪算法对目标图像进行检测得到运动目标的初始位置信息和初始位置信息的目标置信度，最后通过初始位置信息和目标置信度，可以得到更加准确的运动目标的位置信息。容易注意到的是，目标位置信息是通过实时获取的初始位置信息和初始位置信息对应的目标置信度得到的，达到了能够实时获得更加准确的运动目标的位置信息的目的。实现了提高对运动目标进行检测的检测准确率的技术效果从而解决了相关技术中对运动目标进行检测的检测准确率低的技
术问题。
[0010]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0011]附图用于更好地理解本方案，不构成对本公开的限定。其中：
[0012]图1是根据本公开实施例的一种可选的现有技术的目标追踪算法流程图；
[0013]图2是根据本公开实施例的一种用于实现目标检测方法的计算机终端(或移动设备)的硬件结构框图；
[0014]图3是根据本公开实施例的一种目标检测方法流程图；
[0015]图4是根据本公开实施例的一种可选的卡尔曼滤波算法的流程图；
[0016]图5是根据本公开实施例的一种可选的优化后的目标追踪算法流程图；
[0017]图6是根据本公开实施例的一种目标检测装置的结构框图。
具体实施方式
[0018]以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
[0019]需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0020]近些年，人工智能(Artificial Intelligence，AI)技术获得了飞速发展，并开始走进百姓生活，极大的提升了人民生活的智能化。在交通与零售等很多领域，目标追踪算法(DeepSort)都有广泛的应用。在边缘计算服务器(ECS)上部署的目标追踪算法，可用于对车辆和行人的持续追踪，实现对场景的安全监控和突发事件的及时应对。因此，使用DeepSort算法获取车辆准确的位置和行动轨迹，是完成交通事件监控的前提。
[0021]图1是根据本公开实施例的一种可选的现有技术的目标追踪算法流程图，如图1所示，该算法包括以下流程：
[0022]步骤S11，图像经过目标检测网络，输出目标物位置信息Box1；
[0023]步骤S12，将当前目标物与追踪器(Tracker)进行匹配，获取追踪器的标志信息(Tracker ID)；
[0024]步骤S13，对当前Tracker进行卡尔曼滤波的预测算法，获得目标物的预测位置Box2；
[0025]步骤S14，使用卡尔曼滤波的更新算法对位置信息Box1，Box2进行更新，得到校准
后的位置信息Box；
[0026]步骤S15，将位置信息Box作为结果输出。
[0027]现有的算法使用卡尔曼滤波进行最终目标物位置的确定。其中，卡尔曼滤波是从统计学的角度出发，将测量数据和预测数据均视为标准的高斯分布，按照固定的计算方式进行处理，忽略了目标检测框的置信度信息。对于置信度高低不同的检测框，DeepSort并未进行差异化处理。因此造成当目标检测框置信度极高，检测框很准确的时候，经过卡尔曼滤波后的物体位置准确度反而下降，偏离了物体本身的位置，造成目标追踪的准确度下降。
[0028]根据本公开实施例，提供了一种目标检测方法，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
[0029]本公开实施例所提供的方法实施例可以在移动终端、计算机终端或者类似的电子设备中执行。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种目标检测方法，包括：获取图像序列中的目标图像，其中，所述目标图像为所述图像序列中待检测的当前图像；利用目标追踪算法对所述目标图像进行检测，得到运动目标的初始位置信息和所述初始位置信息的目标置信度，其中，所述目标追踪算法用于检测所述图像序列中每张图像的所述运动目标，所述目标置信度用于表示所述初始位置信息是否准确；基于所述目标置信度和所述初始位置信息，确定目标位置信息。2.根据权利要求1所述的方法，其中，基于所述目标置信度和所述初始位置信息，确定所述目标位置信息，包括：判断所述目标置信度是否小于预设阈值；响应于所述目标置信度小于所述预设阈值，利用目标更新算法对所述初始位置信息进行更新，得到所述目标位置信息；响应于所述目标置信度大于或等于所述预设阈值，直接将所述初始位置信息确定为所述目标位置信息。3.根据权利要求2所述的方法，其中，利用目标更新算法对所述初始位置信息进行更新，得到所述目标位置信息，包括：获取所述图像序列中第一图像的第一位置信息，其中，所述第一图像为所述图像序列中对应于第一时刻的图像，所述目标图像为所述图像序列中对应于第二时刻的图像，所述第一时刻是与所述第二时刻相邻的前一时刻；根据所述第一位置信息和所述初始位置信息，确定目标偏移量；基于所述目标更新算法和所述目标偏移量对所述初始位置信息进行更新，得到所述目标位置信息。4.根据权利要求1所述的方法，其中，利用目标追踪算法对所述目标图像进行检测，得到运动目标的初始位置信息和所述初始位置信息的目标置信度，包括：利用所述目标追踪算法对所述目标图像进行检测，得到目标检测框；对所述目标检测框进行目标识别，得到第一识别结果，其中，所述第一识别结果用于表示所述目标检测框中是否存在所述运动目标；基于所述第一识别结果确定所述目标置信度。5.根据权利要求4所述的方法，其中，基于所述第一识别结果确定所述目标置信度，包括：响应于所述识别结果为所述目标检测框中存在所述运动目标，对所述目标检测框进行位置识别，得到第二识别结果，其中，所述第二识别结果用于表示所述运动目标是否完全处于所述目标检测框中的区域；基于所述第一识别结果和所述第二识别结果确定所述目标置信度。6.根据权利要求5所述的方法，其中，基于所述第一识别结果和所述第二识别结果确定所述目标置信度，包括：确定所述第一识别结果对应的第一置信度；确定所述第二识别结果对应的第二置信度；基于所述第一置信度和所述第二置信度的和值，确定所述目标置信度。
7.根据权利要求1所述的方法，其中，所述目标追踪算法为深度分类算法。8.根据权利要求2所述的方法，其中，所述目标更新算法为卡尔曼滤波算法。9.一种目标检测装置，包括：获取模块，用于获取图像序列中的目标图像，其中，所述目标图像为所述图像序列中待检测的当前图像；检测模块，用于利用目标追踪算法对所述目标图像进行检测，得到运动目标的初始位置信息和所述初始位置信息的目标置信度，其中，所述目标追踪算法用于检测所述图像序列中每张图像的所述运动目标，所述目标置信度用于表示所述初始位置信息是否准确；确定模块，用于基于所述目标置信度和所述初始位...

【专利技术属性】
技术研发人员：王学占，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：