[发明专利]一种图像中的物体检测方法及装置

权利要求书

1.一种图像中的物体检测方法，其特征在于，应用于电子设备，所述方法包括：

将待检测的图像输入到预先训练完成的第一卷积神经网络中，其中所述第一卷积神经网络在所述图像中识别每个包含物体的候选区域，对每个候选区域进行自适应下采样后进行全连接计算，确定每个候选区域对应的特征向量，其中所述特征向量中包含所述候选区域的位置参数和多个类别参数；

针对每个候选区域对应的特征向量，识别所述特征向量中类别参数的最大值，当所述最大值大于设定阈值时，确定所述候选区域包含的物体的类别为所述最大值的类别参数对应的类别，并根据所述特征向量中的位置参数，确定所述候选区域包含的物体的位置信息；

其中，所述第一卷积神经网络包括多对卷积层和下采样层，且包括最后一层卷积层，所述第一卷积神经网络采用与所述最后一层卷积层串联的两个并联的全连接卷积层在所述图像中识别每个包含物体的候选区域。

2.根据权利要求1所述的方法，其特征在于，所述位置参数包括物体所在矩形框的设定点的位置信息及所述矩形框的外形尺寸参数，所述根据所述特征向量中的位置参数，确定所述候选区域包含的物体的位置信息包括：

根据所述位置参数中的设定点的位置信息，确定物体所在矩形框的设定点在所述图像中的位置信息；

根据所述位置信息及所述矩形框的外形尺寸参数，确定所述矩形框所在的区域，将所述矩形框所在的区域，确定为所述候选区域包含的物体的位置信息。

3.根据权利要求2所述的方法，其特征在于，所述矩形框的设定点为所述矩形框的四个顶点中的任意一个，或所述矩形框的中心点。

4.根据权利要求1所述的方法，其特征在于，所述第一卷积神经网络的训练过程包括：

针对样本图像集中的每个样本图像，采用矩形框标注目标物体；

根据标注后每个目标物体所在的矩形框，确定每个目标物体对应的特征向量，其中，所述特征向量中包含所述矩形框中所述目标物体的类别参数、所述矩形框的设定点的位置信息和所述矩形框的外形尺寸参数；

根据样本图像中确定了每个目标物体对应的特征向量，对第一卷积神经网络进行训练。

5.根据权利要求4所述的方法，其特征在于，所述根据样本图像中确定了每个目标物体对应的特征向量，对第一卷积神经网络进行训练包括：

在所述样本图像集中选取子样本图像，其中选取的所述子样本图像的数量小于所述样本图像集中样本图像的数量；

采用选取的每个所述子样本图像，对第一卷积神经网络进行训练。

6.根据权利要求1所述的方法，其特征在于，当确定所述候选区域包含的物体的类别为人，并确定所述候选区域包含的人位于车辆中的车窗区域时，所述方法还包括：

采用预先训练完成的第二卷积神经网络，识别位于所述车窗区域的人是否佩戴安全带。

7.根据权利要求6所述的方法，其特征在于，所述第二卷积神经网络的训练过程包括：

在样本图像集的驾驶员候选区域中，采用相应的检测模型，检测驾驶员所在的位置；

根据每个样本图像集检测到的驾驶员的图像及该驾驶员是否佩戴安全带的信息，对卷积神经网络进行训练。