[发明专利]物体检测方法及装置

说明书

本发明提出一种物体检测方法及装置，其中，方法包括：获取待测物体的景深图片和RGB图片；从景深图片中提取连通域；获取对连通域坐标回归时所处的目标特征图谱层；将RGB图片中的目标区域输入到神经网络中进行处理直到目标特征图谱层，其中，目标区域为RGB图片中与包括待测物体的连通域对应的区域；对在目标特征图谱层得到的特征图谱进行坐标回归，获取目标区域中的待测物体的检测结果；其中，检测结果包括待测物体在RGB图片中的坐标和边框。由此，通过连通域缩小物体检测区域，只将连通域对应的RGB图片输入到神经网络中进行处理，节省大量的计算消耗，仅将在目标特征图谱层得到的特征图谱进行坐标回归，加快物体检测速度，提高了物体检测效率。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种物体检测方法及装置。

背景技术

随着人工智能和大数据技术的快速发展，越来越多的产品开始向智能化发展，图像识别是智能化中非常重要的部分，即以图像作为输入信息，通过不同的方法对图像内的物体进行定位检测，并识别出该物体的类别。

相关技术中，可以通过传统图像分割方法和深度神经网络等方式进行物体检测。其中，深度神经网络的方式相对于传统图像分割方法的鲁棒性更好，但是其需要大量的数据和计算资源做支撑，由此在计算资源受限时，物体检测速度和准确率大大降低。

发明内容

本发明的目的旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本发明的第一个目的在于提出一种物体检测方法，以实现通过连通域缩小物体检测区域，只将连通域对应的RGB图片输入到神经网络中进行处理，仅将在目标特征图谱层得到的特征图谱进行坐标回归，用于解决现有技术中计算资源不足导致的物体检测速度和效率大大降低的问题。

本发明的第二个目的在于提出一种物体检测装置。

本发明的第三个目的在于提出另一种物体检测装置。

本发明的第四个目的在于提出一种非临时性计算机可读存储介质。

本发明的第五个目的在于提出一种计算机程序产品。

为达上述目的，本发明第一方面实施例提出了一种物体检测方法，包括以下步骤：获取待测物体的景深图片和RGB图片；从所述景深图片中提取连通域；获取对所述连通域坐标回归时所处的目标特征图谱层；将所述RGB图片中的目标区域输入到神经网络中进行处理直到所述目标特征图谱层，其中，所述目标区域为所述RGB图片中与包括所述待测物体的连通域对应的区域；对在所述目标特征图谱层得到的特征图谱进行坐标回归，获取所述目标区域中的所述待测物体的检测结果；其中，所述检测结果包括所述待测物体在所述RGB图片中的坐标和边框。

本发明实施例的物体检测方法，通过从景深图片中提取连通域，并获取对连通域坐标回归时所处的目标特征图谱层，然后连通域对应的RGB图片输入到神经网络中进行处理直到目标特征图谱层，最后对在目标特征图谱层得到的特征图谱进行坐标回归得到目标区域中的待测物体的检测结果。由此，通过连通域缩小物体检测区域，只将连通域对应的RGB图片输入到神经网络中进行处理，节省大量的计算消耗，仅将在目标特征图谱层得到的特征图谱进行坐标回归，加快物体检测速度，提高了物体检测效率。

为达上述目的，本发明第二方面实施例提出了一种物体检测装置，包括：图片获取模块，用于获取待测物体的景深图片和RGB图片；提取模块，用于从所述景深图片中提取连通域；获取模块，用于获取所述连通域坐标回归时所处的目标特征图谱层；处理模块，用于将所述RGB图片中的目标区域输入到神经网络中进行处理直到所述目标特征图谱层，其中，所述目标区域为所述RGB图片中与包括所述连通域对应的区域；检测模块，用于对在所述目标特征图谱层得到的特征图谱进行坐标回归，得到所述目标区域中的所述待测物体的检测结果；其中，所述检测结果包括所述待测物体在所述RGB图片中的坐标和边框。