[发明专利]小目标检测方法、装置、计算机设备及存储介质

权利要求书

1.一种小目标检测方法，其特征在于，包括下述步骤：

获取待检测视频中的运动区域，其中，所述运动区域包括目标对象；

按照预设的比例将所述运动区域放大得到待检测的目标区域；

通过预设的目标检测算法在所述目标区域中对所述目标对象进行检测。

2.根据权利要求1所述的小目标检测方法，其特征在于，所述获取待检测视频中的运动区域，包括：

从待检测视频中获取第一视频帧和第二视频帧，其中，所述第一视频帧和所述第二视频帧连续；

将所述第一视频帧的像素值减去所述第二视频帧的像素值得到差分图像；

将所述差分图像中的像素变化值与预设的阈值进行比对，当所述像素变化值大于所述阈值时，将所述像素变化值大于所述阈值的区域确定为所述运动区域。

3.根据权利要求1所述的小目标检测方法，其特征在于，所述获取待检测视频中的运动区域，包括：

获取用于识别背景图像的背景识别模型；

根据所述背景识别模型识别所述待检测视频中的视频帧的背景图像；

将每一个视频帧与所述背景图像进行差分得到差分图像，并将所述差分图像中像素值大于预设像素值的区域确定为所述运动区域。

4.根据权利要求1所述的小目标检测方法，其特征在于，所述按照预设的比例将所述目标区域放大得到待检测的目标区域，包括：

以所述运动区域为中心按照预设的扩展比例在将所述运动区域在所述视频帧中进行延展；

对延展后的区域进行裁剪；

将裁剪的区域按照预设的放大比例进行放大得到所述目标区域。

5.根据权利要求1所述的小目标检测方法，其特征在于，所述通过预设的目标检测算法在所述目标区域中对所述目标对象进行检测，包括：

获取用于识别所述目标对象的目标检测模型；

将所述目标区域输入到所述目标检测模型中得到分类值；

将分类值与预先设置的对象分类范围进行比对，并将所述分类值符合的对象分类范围表征的对象确定为所述目标对象。

6.根据权利要求5所述的小目标检测方法，其特征在于，所述获取用于识别所述目标对象的目标检测模型，包括：

获取所述目标对象的样本图像；

根据所述样本图像对预设的卷积神经网络模型进行训练得到所述目标检测模型。

7.根据权利要求6所述的小目标检测方法，其特征在于，所述根据所述样本图像对预设的卷积神经网络模型进行训练得到所述目标检测模型，包括：

将所述样本图像输入到预设的卷积神经网络模型中，获取所述神经网络模型输出的激励分类值；

比对预先获取到的期望分类值与所述激励分类值之间的距离是否小于或等于预设的第一阈值；

当所述期望分类值与所述激励分类值之间的距离大于预设的第一阈值时，反复循环迭代的通过反向算法更新所述卷积神经网络模型中的权重，至所述期望分类值与所述激励分类值之间的距离小于或等于预设的第一阈值时结束。

8.一种小目标检测装置，其特征在于，包括：

获取模块，用于获取待检测视频中的运动区域，其中，所述运动区域包括目标对象；

处理模块，用于按照预设的比例将所述运动区域放大得到待检测的目标区域；

执行模块，用于通过预设的目标检测算法在所述目标区域中对所述目标对象进行检测。

9.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述处理器执行如权利要求1至7中任一项权利要求所述小目标检测方法的步骤。

10.一种存储有计算机可读指令的存储介质，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行如权利要求1至7中任一项权利要求所述小目标检测方法的步骤。