[发明专利]一种目标检测方法及装置

说明书

本申请实施例提供了一种目标检测方法及装置，涉及机器学习技术领域，该方法包括：在检测视频中的目标对象时，采用神经网络模型中的第一目标卷积层从待检测视频图像中提取第一图像特征，待检测视频图像为待检测视频中的一帧视频图像，然后采用神经网络模型中的非局部模块，确定第一图像特征与参考视频图像的参考图像特征之间的关联信息，之后再基于第一图像特征和关联信息确定待检测视频图像中的目标对象。采用第一图像特征与参考图像特征之间的关联信息对待检测视频图像中的第一图像特征进行补充，由此获取更多与待检测视频图像中的目标对象相关的信息，从而有效缓解物体遮挡以及运动模糊的情况，提高检测视频中的目标对象的精度。

技术领域

本申请实施例涉及机器学习技术领域，尤其涉及一种目标检测方法及装置。

背景技术

图像目标检测是指对图像中的目标进行位置检测并分类。在目标检测中，通常采用从待检测的图像或者待检测的图像的特征图中提取目标候选框的方法，目标候选框用于指示可能存在目标的矩形区域。

但是对视频进行目标检测时，有时视频中某一帧图像中的物体之间会出现遮挡的情况，有时视频中高速移动的物体会出现运动模糊的情况，这时，基于单张图像的目标检测方法难以适应视频中的目标检测。

发明内容

由于现有技术中基于单张图像的目标检测方法难以适应视频中的目标检测的问题，本申请实施例提供了一种目标检测方法及装置，用以提高对视频进行目标检测的准确性。

一方面，本申请实施例提供了一种目标对象检测方法，包括：

采用神经网络模型中的第一目标卷积层从待检测视频图像中提取第一图像特征，所述待检测视频图像为待检测视频中的多帧视频图像的其中一帧视频图像；

采用所述神经网络模型中的非局部模块，确定所述待检测视频图像的第一图像特征与参考视频图像的参考图像特征之间的关联信息，所述参考视频图像为所述多帧待检测图像中除所述待检测视频图像之外的其他一帧关联图像，所述参考图像特征为所述第一目标卷积层从所述参考视频图像中提取的；

根据所述第一图像特征和所述关联信息，获得所述待检测视频图像中的目标对象。

一方面，本申请实施例提供了一种神经网络模型，包括：

第一目标卷积层、非局部模块、全连接层；

所述第一目标卷积层，用于从待检测视频图像中提取第一图像特征，从参考视频图像中提取参考图像特征，所述待检测视频图像为待检测视频的多帧视频图像中的其中一帧视频图像，所述参考视频图像为所述多帧待检测图像中除所述待检测视频图像之外的其他一帧关联图像；

所述非局部模块，用于确定所述待检测视频图像的第一图像特征与所述参考视频图像的参考图像特征之间的关联信息，对所述待检测视频图像的第一图像特征和所述关联信息求和，确定所述待检测视频图像的非局部特征；

所述全连接层，用于从所述非局部特征中获得所述待检测视频图像中的目标对象。

一方面，本申请实施例提供了一种目标对象检测装置，包括：

特征提取模块，用于采用神经网络模型中的第一目标卷积层从待检测视频图像中提取第一图像特征，所述待检测视频图像为待检测视频中的多帧视频图像的其中一帧视频图像；

关联模块，用于采用所述神经网络模型中的非局部模块，确定所述待检测视频图像的第一图像特征与参考视频图像的参考图像特征之间的关联信息，所述参考视频图像为所述多帧待检测图像中除所述待检测视频图像之外的其他一帧关联图像，所述参考图像特征为所述第一目标卷积层从所述参考视频图像中提取的；

检测模块，用于根据所述第一图像特征和所述关联信息，获得所述待检测视频图像中的目标对象。