[发明专利]一种目标图像检测方法、装置及系统

说明书

本发明公开了目标图像检测方法、装置及系统，方法包括：将待处理图像输入全卷积神经网络模型，使得全卷积神经网络模型对待处理图像进行识别以输出各个候选目标图像的候选位置信息；提取各个候选位置信息对应的候选目标图像；将各个候选目标图像放大以形成标准图像，记录各个标准图像对应的放大倍数；针对标准图像，将标准图像输入级联卷积神经网络模型，使得级联卷积神经网络模型对标准图像进行识别以输出可疑目标图像的当前位置信息及分类概率；根据可疑目标图像的当前位置信息及分类概率、各个标准图像所分别对应的放大倍数及各个候选目标图像的候选位置信息，确定目标图像的位置信息。本发明的技术方案可更为准确的确定目标图像的位置信息。

技术领域

本发明涉及计算机技术领域，尤其涉及一种目标图像检测方法、装置及系统。

背景技术

目前，业界通常采用全卷积神经网络对待处理图像进行识别，以实现确定待处理图像所携带的各个目标图像在该待处理图像上的位置信息。比如确定车牌区域图像、车灯区域图像或车窗区域图像在待处理图像上的位置信息，后续则可进一步根据目标图像在待处理图像上的位置信息实现对一辆或多辆汽车进行跟踪或其他业务。

全卷积神经网络对待处理图像进行识别时，具体需要提取待处理图像的特征信息(比如，车牌区域图像的边缘点、纹理、色彩等)，进而根据提取的特征信息确定各个目标图像在待处理图像上的位置信息；若一个目标图像的尺寸相对较小，全卷积神经网络则无法准确提取到与该目标图像相对应的特征信息，从而导致全卷积神经网络输出的对应于该目标图像的位置信息不准确，即导致全卷积神经网络输出的位置信息对应在待处理图像中的当前图像区域还包括除目标图像外的非目标图像区域。

因此，如何实现更为准确的确定出各个目标图像在待处理图像中的位置信息则成为亟待解决的问题。

发明内容

本发明提供一种目标图像检测方法、装置及系统，可更为准确的确定出待处理图像所携带的各个目标图像在该待处理图像中的位置信息。

第一方面，本发明提供了一种目标图像检测方法，包括：

将待处理图像输入至预先设置的全卷积神经网络模型，使得所述全卷积神经网络模型对所述待处理图像进行识别，以输出至少一个候选目标图像在所述待处理图像中的候选位置信息；

从所述待处理图像中提取各个所述候选位置信息所分别对应的所述候选目标图像；

将每一个所述候选目标图像均放大至设定尺寸以形成标准图像，并记录每一个所述标准图像所分别对应的放大倍数；

针对每一个所述标准图像，将所述标准图像输入至预先设置的级联卷积神经网络模型，使得所述级联卷积神经网络模型对所述标准图像进行识别，以输出所述标准图像所携带的可疑目标图像的当前位置信息及分类概率；

根据各个所述可疑目标图像的所述当前位置信息及所述分类概率、各个所述标准图像所分别对应的所述放大倍数及各个所述候选目标图像的候选位置信息，确定所述待处理图像携带的各个目标图像在所述待处理图像中的位置信息。

优选地，

所述根据各个所述可疑目标图像的所述当前位置信息及所述分类概率、各个所述标准图像所分别对应的所述放大倍数及各个所述候选目标图像的候选位置信息，确定所述待处理图像携带的各个目标图像在所述待处理图像中的位置信息，包括：

针对于每一个所述标准图像，当所述标准图像所携带的所述可疑目标图像的所述分类概率不小于预设阈值时，根据所述标准图像所对应的放大倍数以及所述标准图像所携带的所述可疑目标图像的当前位置信息，形成所述标准图像所携带的所述可疑区域图像在所述标准图像所对应的所述候选目标图像中的过渡位置信息；

根据各个所述过渡位置信息以及各个所述过渡位置信息所分别对应的所述候选目标图像的候选位置信息确定目标位置信息；