[发明专利]小目标检测方法、装置、计算机设备及存储介质

说明书

本发明实施例公开了一种小目标检测方法、装置、计算机设备及存储介质，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。从待检测视频中获取运动区域，并将运动区域进行放大，通过目标检测算法在目标区域中对目标对象进行检测，该方法可以在一定程度上放大微小目标或者被遮挡的目标的特征，进而提高了目标检测算法对目标对象的识别的准确度。

技术领域

本发明实施例涉及视频检测领域，尤其是一种小目标检测方法、装置、计算机设备及存储介质。

背景技术

深度学习源于人工神经网络的研究，其动机在于建立、模拟人脑进行分析学习的神经网络，模仿人脑的机制来解释数据，例如图像，声音和文本。即，深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。

随着深度学习的快速发展，深度学习在各个领域均有广泛的应用前景。例如，将深度学习应用于视频中用来检测目标。

随着视频中目标检测技术的普及，基于深度学习的目标检测算法对大物体、无遮挡的物体检测的结果都比较准确，但是，对于小物体或者有遮挡的物体，由于其特征较小、不明显或者不完整，导致检测结果的准确度较低。

发明内容

本发明实施例提供一种小目标检测方法、装置、计算机设备及存储介质。

为解决上述技术问题，本发明创造的实施例采用的一个技术方案是：提供一种小目标检测方法，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。

可选地，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。

可选地，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。

可选地，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。

可选地，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。