[发明专利]一种目标检测方法、装置、电子设备和可读存储介质

权利要求书

1.一种目标检测方法，其特征在于，所述方法包括：

获取待检测图像；

对所述待检测图像进行特征提取，以获取所述待检测图像的特征图像；

根据所述待检测图像获取第一特征向量；

投射所述第一特征向量至所述特征图像，以获取第二特征向量，所述第二特征向量包括所述待检测图像的目标特征信息。

2.根据权利要求1所述的方法，其特征在于，所述对所述待检测图像进行特征提取，以获取所述待检测图像的特征图像，包括：

对所述待检测图像进行卷积处理，获取不同层次的卷积特征图；

在所述卷积特征图上设置锚点，获取所述卷积特征图的第一目标区域；

在所述锚点为积极属性的锚点时，根据所述第一目标区域对所述锚点进行修正，获取第二目标区域；

根据所述卷积特征图将所述第二目标区域划分网格，并将所述网格进行处理，获取第三目标区域；

对所述第三目标区域进行分类，获取所述特征图像。

3.根据权利要求1所述的方法，其特征在于，所述根据所述待检测图像获取第一特征向量，包括：

基于激光雷达获取所述待检测图像对应的四维点云向量；

提取所述四维点云向量中点的位置坐标，并根据所述位置坐标建立所述第一特征向量。

4.根据权利要求1至3任一项所述的方法，其特征在于，所述对所述待检测图像进行特征提取，以获取所述待检测图像的特征图像和所述根据所述待检测图像获取第一特征向量和所述投射所述第一特征向量至所述特征图像的步骤由预设的算法模型执行；

所述方法还包括：

获取训练样本，所述训练样本包括批量待检测图像数据；

根据预设标签对所述批量待检测图像数据进行标注，以获取标注后的训练样本，所述预设标签包括是目标区域的前景；

将所述标注后的训练样本输入所述预设的算法模型中，以输出所述训练样本的特征图像；

根据分类损失函数和绝对损失函数约束所述特征图像和所述预设标签的关系，以使所述预设的算法模型输出的所述特征图像与所述预设标签逼近；

获取所述特征图像中最逼近于所述前景的特征图像；

将所述最逼近于所述前景的特征图像对应的算法模型作为所述预设的算法模型。

5.根据权利要求1所述的方法，其特征在于，在执行所述根据所述待检测图像获取第一特征向量的步骤之后，所述方法还包括：

将所述第一特征向量与所述特征图像进行归一化处理，以获取所述第一特征向量对应的图向量；

对所述图向量进行下采样。

6.一种目标检测装置，其特征在于，所述装置包括：

第一获取模块，用于获取待检测图像；

提取模块，用于对所述待检测图像进行特征提取，以获取所述待检测图像的特征图像；

第二获取模块，用于根据所述待检测图像获取第一特征向量；

第三获取模块，用于投射所述第一特征向量至所述特征图像，以获取第二特征向量，所述第二特征向量包括所述待检测图像的目标特征信息。

7.根据权利要求6所述的装置，其特征在于，所述提取模块包括：

第一获取单元，用于对所述待检测图像进行卷积处理，获取不同层次的卷积特征图；

第二获取单元，用于在所述卷积特征图上设置锚点，获取所述卷积特征图的第一目标区域；

修正单元，用于在所述锚点为积极属性的锚点时，根据所述第一目标区域对所述锚点进行修正，获取第二目标区域；

处理单元，用于根据所述卷积特征图将所述第二目标区域划分网格，并将所述网格进行处理，获取第三目标区域；

第三获取单元，用于对所述第三目标区域进行分类，获取所述特征图像。

8.根据权利要求6所述的装置，其特征在于，所述第二获取模块包括：

第四获取单元，用于基于激光雷达获取所述待检测图像对应的四维点云向量；

提取单元，用于提取所述四维点云向量中点的位置坐标，并根据所述位置坐标建立所述第一特征向量。