[发明专利]一种图像检测方法、装置、电子设备及存储介质

说明书

本申请涉及一种图像检测方法、装置、电子设备及存储介质，该方法通过获取鱼眼图像；根据训练后的对象确定模型中的特征提取模块对鱼眼图像进行特征提取，得到多个特征图像；特征提取模块包括至少一个可形变卷积层；多个特征图像的尺度互不相同；根据训练后的对象确定模型中的对象检测模块对多个特征图像进行检测，得到多个边界框；多个边界框均为不规则的四边形；确定多个边界框的每个边界框中对象的类别和位置信息。本申请通过引入可形变卷积层，可以自适应地生成采样位置，从而提取有效的畸变特征；另外，训练后的对象确定模型可以输出与对象匹配的畸变形状。如此，可以提高模型的鲁棒性，可以提高对象检测的精度。

技术领域

本申请涉及计算机视觉技术领域，特别涉及一种图像检测方法、装置、电子设备及存储介质。

背景技术

目标检测与识别作为提高目标感知能力的手段之一，尤其是基于视觉传感器完成目标的检测与识别。目前包括红外图像传感器和可见光图像传感器在内的传统视觉传感器由于成像范围的限制，在应用过程中极具局限性。鱼眼相机因成像范围可以达到360度，甚至720度，较好的弥补了上述缺陷，在提高目标感知能力的同时，降低感知系统的复杂性，并逐渐在增强现实技术(Augmented Reality，AR)、虚拟现实技术(Virtual Reality，VR)和自动驾驶等领域中备受青睐。

鱼眼图像的目标检测与识别作为目标检测与识别领域中一个极具挑战性的分支，其难度远大于常规的目标检测与识别。目前针对鱼眼图像的目标检测与识别算法相对较少。与常规图像相比，鱼眼图像最大的特点就是成像过程中会产生畸变等问题。依据预处理过程中是否进行畸变矫正可将现有算法分为基于畸变矫正和基于原始图像两类。在基于畸变矫正的目标检测与识别算法中，畸变矫正过程起着至关重要的作用，但畸变校正后的图像都存在丢失边缘信息的问题。而基于原始鱼眼图像的目标检测与识别算法将失真模型作为先验信息引入卷积核的设计中，从而提取畸变特征，最终完成检测识别任务。然而，上述方法都有一个重要的前提假设，即几何畸变是固定且已知的。故上述方法存在如下问题：

首先，由于鱼眼图像实际成像过程中的畸变中包含了因工艺制作而导致的未知畸变，故而造成目标在图像中存在扭曲失真是难以准确建模的，同时在成像过程中还会造成图像质量下降、目标物体的非对称性等问题。因此，从校正后的图像或人工设计的卷积核来提取鱼眼特征可能会严重影响检测的准确性和模型的鲁棒性。其次，由于用矩形框来检测目标则会因引入冗余误差、不同目标间的不必要的重叠以及标注不准确等问题带来较大的误差，从而无法提供相对准确的位置。

发明内容

本申请实施例提供了一种图像检测方法、装置、电子设备及存储介质，可以提高模型的鲁棒性，可以提高对象检测的准确度。

一方面，本申请实施例提供了一种图像检测方法，包括：

获取鱼眼图像；

根据训练后的对象确定模型中的特征提取模块对鱼眼图像进行特征提取，得到多个特征图像；特征提取模块包括至少一个可形变卷积层；多个特征图像的尺度互不相同；

根据训练后的对象确定模型中的对象检测模块对多个特征图像进行检测，得到多个边界框；多个边界框均为不规则的四边形；

确定多个边界框的每个边界框中对象的类别和位置信息。

另一方面，本申请实施例提供了一种图像检测装置，包括：

获取单元，用于获取鱼眼图像；

特征提取单元，用于根据训练后的对象确定模型中的特征提取模块对鱼眼图像进行特征提取，得到多个特征图像；特征提取模块包括至少一个可形变卷积层；多个特征图像的尺度互不相同；

对象检测单元，用于根据训练后的对象确定模型中的对象检测模块对多个特征图像进行检测，得到多个边界框；多个边界框均为不规则的四边形；