[发明专利]一种目标检测方法及相关装置

权利要求书

1.一种目标检测方法，其特征在于，包括：

将图像输入实例分割网络模型，通过所述实例分割网络模型对所述图像进行分析处理输出特征信息；

对所述特征信息进行筛选得到检测目标的特征信息；

依据所述检测目标的所述特征信息中的分割实例掩膜，得到所述检测目标的多边形轮廓。

2.根据权利要求1所述的目标检测方法，其特征在于，所述对所述特征信息进行筛选得到检测目标的特征信息包括：

比较各所述特征信息中的目标类预测置信度与置信度阈值的大小，筛选出目标类预测置信度大于所述置信度阈值的所述特征信息，得到最优特征信息；

比对各所述最优特征信息中的所述分割实例掩膜与目标掩膜面积阈值，筛选出分割实例掩膜与所述掩膜面积阈值一致的最优特征信息，得到所述检测目标的特征信息。

3.根据权利要求1所述的目标检测方法，其特征在于，所述依据所述检测目标的所述特征信息中的分割实例掩膜，得到所述检测目标的多边形轮廓包括：

计算所述检测目标的所述特征信息中分割实例掩膜的中心坐标；

以所述中心坐标作为极坐标中心点构建极坐标系；

从所述极坐标中心点向所述极坐标系的多个不同方向分别发射一条射线；

计算各射线与所述分割实例掩膜的交点；

将各交点顺次连接得到所述检测目标的多边形轮廓。

4.根据权利要求1所述的目标检测方法，其特征在于，将图像输入实例分割网络模型前还包括：

对所述图像进行预处理。

5.根据权利要求4所述的目标检测方法，其特征在于，所述对所述图像进行预处理包括：

对所述图像进行随机旋转、镜像、翻转、标准归一化以及双线性差值处理，得到目标大小的图像。

6.根据权利要求1所述的目标检测方法，其特征在于，训练得到所述实例分割网络模型包括：

获取训练数据集；

利用所述训练数据集与像素级类别损失函数、目标检测框损失函数以及目标掩膜损失函数，训练得到所述实例分割网络模型。

7.根据权利要求6所述的目标检测方法，其特征在于，所述获取训练数据集包括：

录制包含多种类别物体的检测区域的视频；

从所述视频中抓取图像并标注像素级实例分割数据，得到标注图像；

将所述标注图像转换为coco格式的所述训练数据集。

8.一种目标检测装置，其特征在于，包括：

特征信息提取模块，用于将图像输入实例分割网络模型，通过所述实例分割网络模型对所述图像进行分析处理输出特征信息；

特征信息筛选模块，用于对所述特征信息进行筛选得到检测目标的特征信息；

目标轮廓确定模块，用于依据所述检测目标的所述特征信息中的分割实例掩膜，得到所述检测目标的多边形轮廓。

9.一种目标检测设备，其特征在于，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序时实现如权利要求1至7任一项所述的目标检测方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的目标检测方法的步骤。