[发明专利]一种具有旋转适应性的目标检测方法及系统

权利要求书

1.一种具有旋转适应性的目标检测方法，其特征在于，包括：

获取待检测图像；

将所述待检测图像输入到目标检测模型中进行处理，得到目标检测结果；其中所述将所述待检测图像输入到目标检测模型中进行处理，包括：

对所述待检测图像进行特征提取，得到初级特征图像；

对所述初级特征图像中的每个点，使用所述目标检测模型中训练好的候选框信息进行回归，得到回归结果；所述回归结果包括角度的回归、角度类别的回归、位置参数的回归和类别的回归；其中，所述角度的范围为180度，所述角度类别用于表示回归的角度与真实角度是相等还是相差180度，位置参数包括回归的候选框的中心点的位置、长度、宽度和角度，类别的回归表示当前点属于目标的概率；

根据所述回归结果进行筛选和非极大值抑制，得到候选目标信息；所述候选目标信息包括像素点属于目标的概率、目标的位置、目标的尺寸和角度；

对所述候选目标信息进行处理，得到特征图；该处理包括旋转采样和RoIPooling，或者，旋转采样和RoIAlign，或者，旋转池化；

对所述特征图进行回归，得到所述目标检测结果，所述目标检测结果包括目标的位置、大小、目标类别和角度。

2.如权利要求1所述的目标检测方法，其特征在于，所述目标检测模型通过以下方式被建立：

获取训练图像样本中各标注的候选框的长度、宽度和角度这三个维度信息；

针对每个维度的信息，都进行聚类，以得到每个维度信息的若干个类；

计算每个维度信息的每个类的平均值，以形成每个维度信息的预设值集合；

至少根据长度、宽度和角度这三个维度信息的预设值集合生成若干个预设的候选框；

对所述训练图像样本进行特征提取，得到不同尺度的若干层特征图像；

选取所述若干层特征图像中一部分或者全部图像，针对所选取的每个图像中每个点，使用所述若干个预设的候选框进行处理，得到特征数据；该处理包括旋转采样和RoIPooling，或者，旋转采样和RoIAlign，或者，旋转池化；

针对所述特征数据进行第一阶段的回归分类处理，得到角度的回归、角度类别的回归、位置参数的回归和类别的回归；其中，所述角度类别用于表示回归的角度与真实角度是相等还是相差180度，位置参数包括回归的候选框的中心点的位置、长度、宽度和角度，类别的回归表示当前点属于目标的概率；

根据回归后的角度、角度类别、位置参数和类别，生成若干个回归后的候选框；

获取所选取的图像中属于目标的点，并针对每个属于目标的点，使用针对该点回归后的候选框中概率最大的一个候选框进行处理，得到特征数据，并针对该特征数据进行第二阶段的回归分类处理，得到目标检测结果，所述目标检测结果包括目标的位置、大小、目标类别和角度；该处理包括旋转采样和RoIPooling，或者，旋转采样和RoIAlign，或者，旋转池化。

3.如权利要求2所述的目标检测方法，其特征在于，其特征在于，所述至少根据长度、宽度和角度这三个维度信息的预设值集合生成若干个预设的候选框，包括：

根据长度和宽度这两个维度信息的预设值集合，得到长宽比这一维度信息的预设值集合；

根据长宽比、长度和角度这三个维度信息的预设值集合生成若干个预设的候选框。

4.如权利要求2所述的目标检测方法，其特征在于，所述针对每个维度的信息，都进行聚类，以得到每个维度信息的若干个类，包括：

初始化步骤，针对每个维度，将初始化的k个训练图像样本的该维度信息作为初始的聚类中心；

距离计算步骤，针对每个训练图像样本，计算其到各聚类中心的距离，并将其分配到距离最小的聚类中心所对应的类中；

聚类中心更新步骤，针对每个类，重新计算并更新它的聚类中心；

迭代步骤，重新进行所述距离计算步骤和聚类中心更新步骤，直到达到预设的中止条件；

继续聚类步骤，判断中止条件后各聚类中心的距离是否小于预设阈值，如果小于，则将小于所述预设阈值的聚类中心进行合并，并重新计算合并后类的聚类中心，并继续判断各聚类中心的距离是否小于预设阈值，直到所有聚类中心的距离都不小于所述预设阈值时停止，从而得到该维度信息的若干个类。