[发明专利]基于人-物体交互弱监督标签的物体检测方法

说明书

本发明属于计算机视觉、机器人视觉领域，具体涉及一种基于人‑物体交互弱监督标签的物体检测方法，旨在解决现有的弱监督物体检测方法模型收敛速度慢、检测精度较差的问题。本发明方法包括：获取待检测的图像，作为输入图像；通过训练好的弱监督物体检测模型得到所述输入图像对应的物体检测结果；其中，弱监督物体检测模型基于深度卷积神经网络构建。本发提高了弱监督物体检测的精度。

技术领域

本发明属于计算机视觉、机器人视觉领域，具体涉及一种基于人-物体交互弱监督标签的物体检测方法、系统、装置。

背景技术

随着移动互联网和智能终端设备的普及，网络图片数据量迅猛增长。但是，目标检测所需的物体“边界框”标签，标注成本较高、标注过程枯燥，而图片中的类别级标签较易获得，成本较低，因此，基于类别标签的弱监督目标检测技术备受关注。

一方面，当前的多数弱监督目标检测方法基于多实例学习（MIL）框架设计，并将物体作为独立个体进行分析，如WSDNN模型，后续研究又进一步引入了迭代增强、上下文信息、多阶段处理等策略；然而，基于MIL框架的方法，多关注于物体的判别性部件而非物体整体，定位精度较差。

另一方面，在日常生活中，物体与人交互频繁，此类数据在网络图片/视频中占比较大，且对人和物体的交互识别对行为分析、视频分割和机器人自学习都具有重要意义。更重要的是，人的检测和关键点定位技术已经较为成熟，可预先获得较为准确的先验知识，为物体定位提供一个粗糙候选区域。然而，当前的人-物体交互检测多基于强监督标签，即已知训练集中人、物体的“边界框”信息。而少数弱监督方法中，对物体候选边界框的选择、人与物体的交互关系建模较为简单，不利于模型的收敛，难以获得较高的定位精度。针对上述问题，本发明提出了一种基于人-物体交互弱监督标签的物体检测方法。

发明内容

为了解决现有技术中的上述问题，即为了解决现有的弱监督物体检测方法忽略人与物体交互上下文建模，及人与物体的交互关系建模较为简单导致模型收敛速度慢、检测精度较差的问题，本发明提出了一种基于人-物体交互弱监督标签的物体检测方法，该方法包括：

步骤S10，获取待检测的图像，作为输入图像；

步骤S20，通过训练好的弱监督物体检测模型得到所述输入图像对应的物体检测结果；其中，所述弱监督物体检测模型基于深度卷积神经网络构建，其训练方法为；

步骤A10，获取训练样本图像，并提取所述训练样本图像的特征；

步骤A20，获取所述训练样本图像中各人类行为、物体的类别标签；并通过类别激活图CAM得到各类别标签的CAM响应值；

步骤A30，获取所述训练样本图像中的候选人区域及对应的置信度；对各候选人区域，结合其对应的置信度、各人类行为的类别标签的CAM响应值，通过预设的第一方法得到其对应的综合得分；将综合得分最高的候选人区域作为第一区域；

步骤A40，利用选择性搜索算法SS算法提取所述训练样本图像的物体候选区域及对应的置信度；对各物体候选区域，基于其对应的置信度、各类别标签的CAM响应值，通过预设的第二方法得到其对应的综合得分；

步骤A50，选取SS排序前n的物体候选区域构建第一集合；对所述第一集合中各物体候选区域，通过预设的聚类方法获取其聚类后对应的样本类型，并更新其对应的置信度，作为第一置信度；n为正整数；

步骤A60，基于聚类后各类中的物体候选区域与所述第一区域的区域中心点的归一化距离、相对大小特征、IOU重合率，结合各区域的宽高比，构建多维度特征，并通过高斯函数建模获取人类行为类别对应的物体类别在物体候选区域的概率，作为第一概率；所述相对大小特征为物体候选区域与第一区域宽高积相除开平方后获取的特征；