[发明专利]一种目标物体检测方法及装置

说明书

本发明公开一种目标物体检测方法及装置，本发明所公开的方法包括：1)数据集收集与标注，收集多张同一类目标物体的图片，并对目标物体的属性进行标注，在图片中标注出目标物体所在位置；2)分类模型预训练，预训练一个分类模型对每一类目标物体进行训练，对选定的类用标注的数据集提取深层网络特征，利用该特征来表征训练数据，从而构建数据集深层网络；3)实时检测，将影像采集装置采集的视频每一帧或每一张图片输入到数据集深层网络中，该数据集深层网络对该帧视频或图片进行目标物体的判定与识别，并输出目标物体类别以及其置信度。本发明检测更快、更精准，对硬件的要求更低。

技术领域

本发明属于智能检测领域，具体涉及一种目标物体检测方法及装置。

背景技术

随着科技的发展，越来越多的智能化家居进入们的生活中，不管是家庭还是工作，也渐渐的离不开智能化家居。其中，对于智能化的清洁装置而言，需要对目标物体进行良好的检测，分辨其是否为垃圾还是家用物品，才可以更好的进行清洁操作。

然而现有的检测方法操作复杂，检测效率低下，检测精度低。

发明内容

为了解决上述技术问题，本发明提出了一种目标物体检测方法及装置，其检测更快、更精准，对硬件的要求更低。

为了达到上述目的，本发明的技术方案如下：

一种目标物体检测方法包括以下步骤：

1)数据集收集与标注，收集多张同一类目标物体的图片，并对目标物体的属性进行标注，在图片中标注出目标物体所在位置；

2)分类模型预训练，预训练一个分类模型对每一类目标物体进行训练，对选定的类用标注的数据集提取深层网络特征，利用该特征来表征训练数据，从而构建数据集深层网络；

3)实时检测，将影像采集装置采集的视频每一帧或每一张图片输入到数据集深层网络中，该数据集深层网络对该帧视频或图片进行目标物体的判定与识别，并输出目标物体类别以及其置信度。

本发明提出一种目标物体检测方法，其操作便捷，可以有效快速的对目标物体的类别进行鉴别，大大提高了清扫装置的清洁效率。不仅如此，本申请所公开的一种目标物体检测方法还不仅可应用于对垃圾和非垃圾的类别检测，还应用于其他物品的检测。

在上述技术方案的基础上，还可做如下改进：

作为优选的方案，目标物体检测方法为基于MobileNet构架。

采用上述优选的方案，MobileNet构架是一个针对移动终端的全新深度神经网络(DNNs)。其深度可分离卷积(DSC)层取代了传统的卷积网络，使得整个计算过程可以在低能耗，终端级运算速度的条件下进行高精度，高实时性的物体识别。深度可分离卷积网络最大的特点在于其可以更有效地利用参数共享和自由度。

作为优选的方案，分类模型结构包括：标准卷积层、一连串的深度可分离卷积包、平均降维层以及完全链接层，深度可分离卷积包包含一个深度卷积层；

标准卷积层为分类模型的第一层，平均降维层为分类模型的倒数第二层，完全链接层为分类模型的最后一层。

采用上述优选的方案，结构简单，提高检测精度。

作为优选的方案，深度卷积层由深度卷积操作、线性整流函数、批量标准化操作和逐点卷积操作构成。

采用上述优选的方案，操作便捷。

作为优选的方案，步骤3)具体包括：

3.1)移动装置带动影像采集装置运动；