[发明专利]目标图像的检测、目标对象检测模型的生成方法

说明书

本申请公开了一种目标图像的检测和目标对象检测模型的生成方法，其中，目标图像的检测方法包括：获得包含多个图像的图像数据集；根据所述图像数据集，构建目标对象检测模型；获得待检测图像，通过所述目标对象检测模型检测所述待检测图像以得到具有目标对象的目标图像。本申请通过获得的图像数据集，构建目标对象检测模型，通过目标对象检测模型对待检测图像进行检测，不仅可以从多个图像中准确的获得具有目标对象的目标图像，以提升获得目标图像的效率。而且不用人为地自行检测，从而在降低检测投入成本的同时，还可以提升检测目标对象的准确度。

技术领域

本申请涉及计算机视觉技术领域，具体涉及一种目标图像的检测方法和一种目标对象检测模型的生成方法。

背景技术

深度学习近年来发展迅猛，在国内外都引起了广泛的关注，随着深度学习技术的不断进步以及数据处理能力的不断提升，越来越多的深度学习算法被用在图像处理，计算机视觉领域。目标检测是计算机视觉一个重要的方向，一般目标检测的目标是根据大量预定义的类别在自然图像中确定目标实例的位置，这是计算机视觉领域最基本和最有挑战性的问题之一。深度学习技术是一种可从数据中直接学习特征表示的强大方法，并已经为一般目标检测领域带来了显著的突破性进展。目标检测问题本身的定义为：给定任意一张图像，确定其中是否存在任何预定义类别的形义目标实例；如果存在，就返回其空间位置和覆盖范围。

但是，相对于一些生活场景中的目标检测，多是通过人工查看监控视频、或是通过管理人员现场查看才能完成的，人工检测的方式不仅会增加检测的投入成本，还会存在对检测目标疏漏的情况，继而降低了对目标检测的准确度。

因此，如何降低对生活场景中的目标检测的投入成本，且同时提升目标检测的准确度，成为本领域技术人员亟待解决的问题。

发明内容

本申请实施例提供一种目标图像的检测方法，以解决现有技术中如何降低对生活场景中的目标检测的投入成本，且同时提升目标检测的准确度，成为本领域技术人员亟待解决的问题。

本申请实施例提供一种目标图像的检测方法，包括：

获得包含多个图像的图像数据集；

根据所述图像数据集，构建目标对象检测模型；

获得待检测图像，通过所述目标对象检测模型检测所述待检测图像以得到具有目标对象的目标图像。

可选的，通过所述目标对象检测模型检测所述待检测图像以得到所述目标图像中的目标对象的位置信息。

可选的，所述获得包含多个图像的图像数据集，包括：

获得具有目标对象的多个图像，

对所述多个图像进行预处理得到多个候选图像；

对所述多个候选图像进行标记以得到所述图像数据集。

可选的，所述对所述多个图像进行预处理得到多个候选图像，包括：

采用Mosaic数据增强的方式对所述多个图像至少进行如下操作：对所述多个图像进行随机翻转、随机缩放、随机裁剪，以获得多个初始图像；

将所述多个初始图像进行随机拼接得到所述多个候选图像。

可选的，所述对所述多个候选图像进行标记以得到所述图像数据集，包括：

对所述多个候选图像中的完全是目标对象的图像进行第一标记，并将具有第一标记的完全是目标对象的图像作为第一图片样本；

对所述多个候选图像中包含有目标对象的图像进行第二标记；并将一部分具有第二标记的包含有目标对象的图像作为第二图片样本，将另一部分具有第二标记的包含有目标对象的图像作为测试图片样本；