[发明专利]基于目标检测的物体遮挡比例计算方法与系统

说明书

本发明公开了一种基于目标检测的物体遮挡比例计算方法。包括：输入待处理图像，利用目标检测器进行目标检测分割出目标物体图像，之后利用遮挡物检测器进行遮挡物检测，对遮挡物进行边缘检测计算出遮挡物所占的像素，再结合用于估计被遮挡物体在未被遮挡时占有的像素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。本发明还公开了一种基于目标检测的物体遮挡比例计算系统、计算机设备及计算机可读存储介质。本发明在计算遮挡比例时，采用拉普拉斯算子进行边缘信息的提取，能够更为精确的计算出原始物体所占像素以及遮挡物所占像素，从而使得本发明计算出的物体被遮挡比例更加精确。

技术领域

本发明涉及图像处理技术领域，具体涉及一种基于目标检测的物体遮挡比例计算方法、基于目标检测的物体遮挡比例计算系统、计算机设备及计算机可读存储介质。

背景技术

近些年来，随着互联网和多媒体技术不断地发展、数字设备和大容量存储设备的普及，每天都会产生大量的图像和视频数据。随着图像和视频信息的大量产生，图像信息也成为人们获得信息的一种途径。然而与文本数据不同，图像数据要复杂的许多，因此相对于文本数据而言其检索难度较大。而图像的高效检索对利用图像数据是非常重要的。好的图像检索技术能够在节省人们的时间的同时更好的获得所需的关键信息，从而便于人们利用图像数据。而计算图像中物体被遮挡的比例能够在一定程度上提高人们对图像的检索效率。

目标检测技术是图像处理和视频处理中的一项重要课题。它是指将在图像中所拥有的目标物体的位置检测出来，并给出该物体在图像中的位置以及所占图像的长宽。图像的目标检测技术可以应用于多个领域，比如自动驾驶中的行人检测、视频监控和图像分割等。

随着近几年来深度学习的迅速发展，人们也将深度学习应用于目标检测技术中，并取得了较好的效果。相较于传统的未使用深度学习的目标检测技术而言，采用深度学习的在准确率方面有着较大的提高。近几年来随着学者们的不断研究，用于目标检测的网络模型不断完善，并且检测的准确率也不断的提高，极大的推动此领域的技术进步，并且达到可以应用在生产实践中的水平。

目前的现有技术之一是专利“人脸遮挡程度识别方法、装置、电子设备及可读存储介质(CN111414879A)”，包括：1、获取用于神经网络训练的数据集。首先获取一定数量的原始人脸数据，然后对人脸数据进行对齐处理，利用遮挡物对齐后的人脸进行遮挡处理；2、将1中得到的人脸数据用于神经网络的训练，从而得到一个用于计算人脸遮挡程度的神经网络模型；3、将要处理的待检测图像输入2中所得的神经网络模型就能得到该图像中人脸的遮挡比例。

该方法的缺点是：只能应用于人脸数据集中，用于计算人脸遮挡程度，而无法应用于其它种类的数据，例如猫、狗、花鸟等数据类型。因此该方案不适合应用于图像检索中。

目前的现有技术之二是专利“一种计算目标跟踪过程中目标形变或遮挡程度的方法(CN103927716A)”，包括：1、将目标跟踪结果y视为原始目标模型A的一种一阶线性回归y＝Ax+n+s，其中x为系数，n为高斯误差，s为拉普拉斯误差，求取一阶线性回归y＝Ax+n+s中的A；2、迭代计算系数x和拉普拉斯噪声s，给定则再用计算得到的则如此反复迭代直到达到最大迭代次数或得到的与上次迭代计算得到的差值小于精度阈值停止迭代；3、对s进行处理得到目标遮挡程度。

该方法的缺点是：只适用于连续的视频数据中，无法对单独的图像数据进行处理得到图像中目标物体的遮挡程度。

发明内容

本发明的目的是克服现有方法的不足，提出了一种基于目标检测的物体遮挡比例计算方法与系统，以及设备及存储介质。本发明解决的主要问题，是针对现有的计算物体被遮挡比例的技术主要集中在人脸上，可以处理的物体种类单一，无法满足图像检索过程中所涉及的种类繁多的检索需求，即如何解决单独的图像数据中多种物体遮挡比例的计算问题。

为了解决上述问题，本发明提出了一种基于目标检测的物体遮挡比例计算方法，所述方法包括：