[发明专利]基于目标检测的物体遮挡比例计算方法与系统

权利要求书

1.一种基于目标检测的物体遮挡比例计算方法，其特征在于，所述方法包括：

采集目标检测数据集，并为目标检测数据集添加遮挡物，形成遮挡物数据集；

基于MaskRCNN网络模型，利用所述遮挡物数据集进行训练，形成目标检测器，该检测器的输出为目标物体的类别及其检测框；

利用所述目标检测器处理所述目标检测数据集，针对检测出的各个类别的物体分别计算出一个基准值，用于估计被遮挡物体在经过目标检测分割出来后，该类别的物体在未被遮挡时占有的像素个数；

利用所述目标检测器处理所述遮挡物数据集，分割所有被遮挡物体的检测框形成被遮挡物图像集，再基于MaskRCNN网络模型，利用所述被遮挡物图像集进行训练，形成遮挡物检测器，该检测器的输出为遮挡物的检测框；

输入待处理图像，利用所述目标检测器对该图像进行目标检测，从而分割出含有目标物体的图像，之后利用所述遮挡物检测器对含有目标物体的图像进行遮挡物检测，如果没有遮挡物则输出0％，否则对遮挡物进行边缘检测计算出遮挡物所占的像素个数，再结合所述各类物体的基准值得到的被遮挡物所占像素个数从而计算出遮挡物的遮挡比例。

2.如权利要求1所述的一种基于目标检测的物体遮挡比例计算方法，其特征在于，所述采集目标检测数据集，并为目标检测数据集添加遮挡物，形成遮挡物数据集，具体为：

目标检测数据集采用VOC数据集，之后为在VOC数据集中被标注出的物体添加遮挡物，并且所添加的遮挡需要具备多样性。

3.如权利要求1所述的一种基于目标检测的物体遮挡比例计算方法，其特征在于，所述基于MaskRCNN网络模型，利用所述遮挡物数据集进行训练，形成目标检测器，具体为：

使用卷积神经网络对图像进行特征提取，得到一个特征图；

使用区域生成网络RPN(RegionProposal Network)对所述特征图进行处理，得到在所述特征图中可能含有待检测对象区域的矩形框；

根据所述矩形框与所述特征图进行RoIAlign(regions of interest align)操作，将不同矩形框中对应的不同尺寸的特征图统一固定成7×7大小；

将RoIAlign操作后的特征图通过两层全连接网络得到最终的矩形框以及矩形框中包含物体的类别；

对上一步所得的矩形框进行调整，使得矩形框能够更为精确的包裹住目标物体，形成最终检测框。

4.如权利要求1所述的一种基于目标检测的物体遮挡比例计算方法，其特征在于，所述利用所述目标检测器处理所述目标检测数据集，针对检测出的各个类别的物体分别计算出一个基准值，具体为：

利用所述目标检测器处理所述目标检测数据集，得到所述目标检测数据集中没有被遮挡的各个物体在图像中的检测框，之后用拉普拉斯算子对所述各个检测框中的物体进行边缘检测，从而得到物体包含的像素个数，再利用物体包含的像素个数除以检测框像素个数得到物体的基准值，即物体在检测框中所占的比例，最后，对所有没有被遮挡的物体进行分类，统计出各类物体的基准值。