[发明专利]一种多目标检测方法、装置及存储介质

权利要求书

1.一种多目标检测方法，其特征在于，包括：

将由第一图像和第二图像拼接而成的整合图像输入神经网络模型；其中，所述第一图像包含多类目标检测物，所述第二图像由第一图像经过降采样处理获得；

通过所述神经网络模型提取整合图像特征、将所述整合图像特征分割成分别对应所述多类目标检测物的特征、并对所述多类目标检测物的特征进行并行分支检测；

根据所述并行分支检测的结果获得多目标检测结果；

其中，所述神经网络模型包括第一神经网络、与所述第一神经网络进行级联的切分层及与所述切分层级联的多个第二神经网络；所述通过所述神经网络模型提取整合图像特征、将所述整合图像特征分割成分别对应所述多类目标检测物的特征、并对所述多类目标检测物的特征进行并行分支检测，包括：

所述第一神经网络以所述整合图像作为输入，提取所述整合图像特征作为输出；所述切分层以所述整合图像特征作为输入，分割成分别与所述多类目标检测物对应的特征向量作为输出；所述第二神经网络分别与所述多类目标检测物对应，所述第二神经网络分别以对应的目标检测物的特征向量作为输入，对所述目标检测物的特征向量进行并行分支判断分别获得所述目标检测物的判断结果作为输出。

2.根据权利要求1所述的方法，其特征在于，所述第一神经网络为卷积神经网络，所述第二神经网络为长短期记忆网络。

3.根据权利要求2所述的方法，其特征在于，所述切分层包括转置层，所述转置层与所述卷积神经网络的全连接层进行级联，用于对所述全连接层输出的整合图像特征进行转置。

4.根据权利要求3所述的方法，其特征在于，所述切分层还包括与所述转置层进行级联的剪切层，所述剪切层用于将所述转置层输出的转置结果中符合设定条件的数据进行删除；其中，所述符合设定条件的数据为所述卷积神经网络的卷积层进行卷积过程中，由同时覆盖所述第一图像和第二图像的区域的卷积核进行卷积处理所产生的数据。

5.根据权利要求4所述的方法，其特征在于，所述剪切层，还用于对所述转置层输出的转置结果根据所删除的数据的位置切分成分别对应所述多类目标检测物的多个特征向量，以作为所述长短期记忆网络的输入。

6.根据权利要求1所述的方法，其特征在于，所述将由第一图像和第二图像拼接而成的整合图像输入神经网络模型之前，还包括：

获取所述第一图像，根据所述第一图像中所述目标检测物的显示参数确定降采样参数；

根据所述降采样参数对所述第一图像进行降采样处理，获得所述第二图像；

将所述第一图像与所述第二图像进行拼接形成所述整合图像。

7.根据权利要求1所述的方法，其特征在于，所述根据所述并行分支检测的结果获得多目标检测结果之前，还包括：

判断多个目标检测物是否被遮挡；

所述根据所述并行分支检测的结果获得多目标检测结果，包括：

当所述多个目标检测物未被遮挡时，将所述多个目标检测物的特征与对应的标准模型进行相似判断，根据判断的结果获得多目标检测结果；

当所述多个目标检测物中至少一个被遮挡时，调整被遮挡的目标检测物对应的相似阈值，对所述多个目标检测物的特征与对应的所述标准模型进行相似判断，根据判断的结果获得多目标检测结果。

8.根据权利要求1所述的方法，其特征在于，所述根据所述并行分支检测的结果获得多目标检测结果，包括：

根据设定的相似阈值对并行分支检测的结果进行相似判断，获得相似判断结果；

对所述第二图像进行升采样；

确定所述相似判断结果对应的目标检测物位于所述升采样后的第二图像的位置信息；

生成包含所述位置信息和所述相似判断结果的目标检测结果。