[发明专利]目标检测方法及装置、计算机装置和计算机可读存储介质

说明书

一种目标检测方法，所述方法包括：获取训练样本集，所述训练样本集包括多个标注有目标位置和目标角度类型的目标图像；使用所述训练样本集对加速区域卷积神经网络模型进行训练，得到训练好的加速区域卷积神经网络模型；获取待检测图像；利用所述训练好的加速区域卷积神经网络模型对所述待检测图像进行目标检测，得到所述待检测图像的目标区域和所述目标区域的目标角度类型。本发明还提供一种目标检测装置、计算机装置及可读存储介质。本发明可以实现快速高检出率的目标检测。

技术领域

本发明涉及图像处理技术领域，具体涉及一种目标检测方法及装置、计算机装置和计算机可读存储介质。

背景技术

现有的目标检测技术包括基于简单像素特征或手工设计的复杂特征的目标检测。使用简单像素特征，比如具有代表性的HAAR、像素差值等，虽然计算效率高，实时性好，但是对于复杂多样性的背景变化等因素的鲁棒性较差，检测精度上有所欠缺。而基于手工设计的复杂特征，比如DPM中的HOG等，虽然特征表达的更好，鲁棒性较强，但是因为不能使用GPU加速，在CPU上计算复杂，难以达到实时性的要求。

现有的目标检测技术还包括基于卷积神经网络的目标检测。基于卷积神经网络的目标检测方法虽然提升了检测的精度，但随之而来的是计算量的大幅度提升。虽然GPU计算解决提取卷积特征的计算问题，但是候选区域提取仍然耗费相当长的时间。此外，由于整个方案是先提取候选区域，再进行分类的框架流程，导致无法实现端到端的检测，应用起来也相对繁琐。

此外，由于拍摄角度不同，目标物体的外观在图像上会发生比较大的变化，现有的目标检测技术未考虑拍摄角度的问题，导致目标的检出率较低。

发明内容

鉴于以上内容，有必要提出一种目标检测方法及装置、计算机装置和计算机可读存储介质，其可以实现快速高检出率的目标检测。

本申请的第一方面提供一种目标检测方法，所述方法包括：

获取训练样本集，所述训练样本集包括多个标注有目标位置和目标角度类型的目标图像；

使用所述训练样本集对加速区域卷积神经网络模型进行训练，得到训练好的加速区域卷积神经网络模型，所述加速区域卷积神经网络模型包括区域建议网络和快速区域卷积神经网络，所述区域建议网络和所述快速区域卷积神经网络共享卷积层，所述卷积层提取所述训练样本集中各个目标图像的特征图，所述区域建议网络根据所述特征图获取所述各个目标图像中的候选区域以及所述候选区域的目标角度类型，所述快速区域卷积神经网络根据所述特征图对所述候选区域进行筛选和调整，得到所述各个目标图像的目标区域和所述目标区域的目标角度类型；

获取待检测图像；

利用所述训练好的加速区域卷积神经网络模型中的对所述待检测图像进行目标检测，得到所述待检测图像的目标区域和所述目标区域的目标角度类型。

另一种可能的实现方式中，所述使用所述训练样本集对加速区域卷积神经网络模型进行训练包括：

(1)使用Imagenet模型初始化所述区域建议网络，使用所述训练样本集训练所述区域建议网络；

(2)使用(1)中训练后的区域建议网络生成所述各个目标图像的候选区域，利用所述候选区域训练所述快速区域卷积神经网络；

(3)使用(2)中训练后的快速区域卷积神经网络初始化所述区域建议网络，使用所述训练样本集训练所述区域建议网络；

(4)使用(3)中训练后的区域建议网络初始化所述快速区域卷积神经网络，并保持所述卷积层固定，使用所述训练样本集训练所述快速区域卷积神经网络。

另一种可能的实现方式中，所述使用所述训练样本集对加速区域卷积神经网络模型进行训练包括：