[发明专利]目标检测方法及装置

权利要求书

1.一种目标检测方法，其特征在于，包括：

确定出目标图像的质量类别；

确定出与所述目标图像的质量类别相对应的质量类别的卷积神经网络；

根据所述相对应的质量类别的卷积神经网络，确定出所述目标图像的真目标检测值；

根据所述目标图像的真目标检测值，确定出所述目标图像中的目标是否为真目标。

2.根据权利要求1所述的方法，其特征在于，所述确定出与所述目标图像的质量类别相对应的质量类别的卷积神经网络，包括：

确定出与所述目标图像的质量类别相对应的质量类别的级联卷积神经网络；以及

所述根据所述相对应的质量类别的卷积神经网络，确定出所述目标图像的真目标检测值，包括：

根据所述相对应的质量类别的级联卷积神经网络，确定出所述目标图像的真目标检测值。

3.根据权利要求1或2所述的方法，其特征在于，所述确定出目标图像的质量类别，包括：

对所述目标图像进行盲图像质量评价，得到所述目标图像的图像质量值；

根据所述目标图像的图像质量值，确定出所述目标图像的质量类别。

4.根据权利要求3所述的方法，其特征在于，所述对所述目标图像进行盲图像质量评价，得到所述目标图像的图像质量值，包括：

确定出所述目标图像的拍摄参数和属性参数；以及

所述根据所述目标图像的图像质量值，确定出所述目标图像的质量类别，包括：

根据所述目标图像的拍摄参数和属性参数、以及预设的拍摄参数和属性参数的质量类别划分标准，确定出所述目标图像的质量类别。

5.根据权利要求2-4中任一项所述的方法，其特征在于，通过下述方法预先训练得到所述级联卷积神经网络：

确定出多个样本图像的质量类别；

根据每个质量类别的多个样本图像，训练出该质量类别的级联卷积神经网络。

6.根据权利要求2-5中任一项所述的方法，其特征在于，所述根据所述相对应的质量类别的级联卷积神经网络，确定出所述目标图像的真目标检测值，包括：

根据所述相对应的质量类别的级联卷积神经网络中的至少二级卷积神经网络和至少一级阈值判断层，确定出所述目标图像的每一级的真目标检测值；其中，所述目标图像的当前级的真目标检测值的确定过程包括：

根据所述当前级的卷积神经网络，确定出所述目标图像的当前级的真目标检测值；

当根据连接于当前级与后一级的卷积神经网络之间的当前级的阈值判断层，判断出所述当前级的真目标检测值大于预设的当前级的真目标检测阈值时，进行所述目标图像的下一级的真目标检测值的确定过程；直到确定出所述目标图像的最后一级的真目标检测值，作为所述目标图像的真目标检测值。

7.根据权利要求2-6中任一项所述的方法，其特征在于，所述根据所述目标图像的真目标检测值，确定出所述目标图像中的目标是否为真目标，包括：

当所述目标图像具体为当前帧目标图像时，确定出所述当前帧目标图像的模糊评价值；

根据所述当前帧目标图像及其之前的多帧目标图像的真目标检测值和模糊评价值，确定出所述当前帧目标图像的综合的真目标检测值；

根据所述当前帧目标图像的综合的真目标检测值，确定出所述当前帧目标图像中的目标是否为真目标。

8.根据权利要求7所述的方法，其特征在于，所述根据所述当前帧目标图像及其之前的多帧目标图像的真目标检测值和模糊评价值，确定出所述当前帧目标图像的综合的真目标检测值，包括：

将所述当前帧目标图像及其之前的多帧目标图像的模糊评价值，分别作为各自的真目标检测值的权重，确定出真目标检测值的加权平均值，作为所述当前帧目标图像的综合的真目标检测值。