[发明专利]目标检测方法、装置、电子设备及可读存储介质

说明书

本申请提供一种目标检测方法、装置、电子设备及可读存储介质。方法包括：从监控视频中获取第一图像；通过滤波算法对第一图像进行预处理得到第二图像，使得第二图像的图像特征强度大于第一图像的图像特征强度；从监控视频对应的参考图像序列确定目标参考图像，根据目标参考图像及第二图像，判断第二图像中是否包括存在运动目标的图区；将从第二图像中检测到的运动目标图区输入经过预训练的深度学习模型，得到深度学习模型检测的第二图像的检测结果。在本方案中，通过对获取的图像进行预处理，增强图像细节特征，再确定存在运动目标的图区，使得在深度学习模型对预处理后的图像进行检测时，可以提高对运动目标检测的准确度。

技术领域

本发明涉及图像处理技术领域，具体而言，涉及一种目标检测方法、装置、电子设备及可读存储介质。

背景技术

在工作或生活中，存在很多的利用肉眼检测目标的场景，这类目标可以是人或物体。例如，通过人眼检测电网作业环境下的工作人员是否佩戴安全帽。随着计算机视觉技术的发展，肉眼检测目标的方式可以通过电子设备来替代，由电子设备通过图像处理技术进行目标检测。然而，电子设备受限于所使用的图像处理技术的能力与方式，存在对目标检测不准确的情况。

发明内容

本申请提供一种目标检测方法、装置、电子设备及可读存储介质，能够改善对目标检测不准确的问题。

为了实现上述目的，本申请实施例所提供的技术方案如下所示：

第一方面，本申请实施例提供一种目标检测方法，应用于电子设备，所述方法包括：

从监控视频中获取第一图像；

通过滤波算法对所述第一图像进行预处理得到第二图像，所述第二图像的图像特征强度大于所述第一图像的图像特征强度；

从所述监控视频对应的参考图像序列确定目标参考图像；

根据所述目标参考图像及所述第二图像，判断所述第二图像中是否包括存在运动目标的图区；

当所述第二图像中包括存在所述运动目标的图区时，将所述第二图像中存在所述运动目标的图区输入经过预训练的深度学习模型，得到所述深度学习模型检测所述第二图像的检测结果。

在上述的实施方式中，通过对获取的图像进行预处理，目的是增强图像的图像特征强度，在深度学习模型对预处理后的图像进行检测时，可以提高对运动目标进行检测的准确度。另外，通过将存在运动目标的图区输入深度学习模型，有利于减少深度学习模型所检测的图区面积，降低运算量，同时降低第一图像中其他图区对检测结果的干扰。

结合第一方面，在一些可选的实施方式中，通过滤波算法对所述第一图像进行预处理得到第二图像，包括：

通过光滑滤波算法及锐化滤波算法对经过灰度处理后的所述第一图像处理得到所述第二图像，其中，所述光滑滤波算法包括：

所述锐化滤波算法包括：

式中，x₁为所述第一图像中的像素点的特征值，y₁为所述像素点光滑处理后的特征值，x₂为光滑处理后的像素点的特征值，y₂为所述光滑处理后的像素点经过锐化处理后的特征值，k为光滑化参数，N为大于或等于1的整数；l为锐化参数。

在上述的实施方式中，通过光滑滤波算法及锐化滤波算法对第一图像进行预处理，有利于提高预处理后图像的图像特征强度。

结合第一方面，在一些可选的实施方式中，在将所述第二图像中存在所述运动目标的图区输入经过预训练的深度学习模型之前，所述方法还包括：