[发明专利]对象检测方法、装置、内窥镜系统、电子设备及存储介质

权利要求书

1.一种对象检测方法，其特征在于，所述方法包括：

获取待检测的视频数据；

基于预先训练的深度学习目标检测网络分别对所述视频数据中的各视频帧进行目标检测，得到各视频帧中对象的属性信息，其中，针对任一对象，该对象的属性信息包括该对象的位置信息；

根据各所述对象的属性信息，分别对各所述对象进行跟踪，得到各所述对象的跟踪结果；

根据各所述对象的跟踪结果，确定与前一帧相比有新对象出现的视频帧作为第一类视频帧，确定与下一帧相比有已出现过的对象将要消失的视频帧作为第二类视频帧；

针对任一确定出的第一类视频帧，生成至少包括第一状态属性及该第一类视频帧的帧号的索引信息，其中，所述第一状态属性表示有新对象出现；

针对任一确定出的第二类视频帧，生成至少包括第二状态属性及该第二类视频帧的帧号的索引信息，其中，所述第二状态属性表示有已出现过的对象消失；

将各所述索引信息及所述视频数据封装为码流数据；

解封装所述码流数据得到各所述索引信息；

根据各所述索引信息，回放所述第一类视频帧及所述第二类视频帧中的各视频帧；

所述根据各所述索引信息，回放所述第一类视频帧及所述第二类视频帧中的各视频帧，包括：针对每一索引信息，根据该索引信息中视频帧的帧号，获取与该索引信息中视频帧的帧号的差值在第二预设帧号差值范围内的各视频帧，得到该索引信息对应的目标视频帧集合；针对每一目标视频帧集合，将该目标视频帧集合及该目标视频帧集合对应状态属性进行关联回放，其中，针对每一目标视频帧集合，该目标视频帧集合对应的状态属性为确定该目标视频帧集合所使用的索引信息中的第一状态属性和/或第二状态属性，或该目标视频帧集合对应的状态属性为该目标视频帧集合包括的第一类视频帧的第一状态属性和/或第二类视频帧的第二状态属性。

2.根据权利要求1所述的方法，其特征在于，所述对象为纱布，所述深度学习目标检测网络为纱布检测网络；

所述基于预先训练的深度学习目标检测网络分别对所述视频数据中的各视频帧进行目标检测，得到各视频帧中对象的属性信息，包括：

利用所述纱布检测网络的特征提取网络分别对所述视频数据中的各视频帧进行特征提取，得到各视频帧的图像特征；

利用所述纱布检测网络的检测头网络分别对各视频帧的图像特征进行分析，得到各视频帧中纱布的属性信息。

3.根据权利要求1所述的方法，其特征在于，针对所述第一类视频帧及所述第二类视频帧中的每一视频帧，该视频帧的索引信息至少还包括该视频帧的对象数及该视频帧中对象的位置信息，其中，针对所述第一类视频帧及所述第二类视频帧中的每一视频帧，该视频帧的对象数表示该视频帧中将要消失及新出现的对象的数量。

4.根据权利要求1所述的方法，其特征在于，所述根据各所述索引信息，回放所述第一类视频帧及所述第二类视频帧中的各视频帧，包括：

基于各所述索引信息中视频帧的帧号，获取各所述索引信息中视频帧的帧号表示的各第一类视频帧和/或第二类视频帧，得到各目标视频帧；

针对每一目标视频帧，将该目标视频帧及该目标视频帧对应的第一状态属性和/或第二状态属性进行关联回放。

5.根据权利要求4所述的方法，其特征在于，所述方法还包括：

在获取用户针对指定目标视频帧的详细展示消息后，根据所述指定目标视频帧的帧号，获取与所述指定目标视频帧的帧号的差值在第一预设帧号差值范围内的各视频帧，得到所述指定目标视频帧对应的目标视频帧段；

将所述目标视频帧段及所述目标视频帧段对应的状态属性进行关联回放，其中，所述目标视频帧段对应的状态属性为所述指定目标视频帧的第一状态属性和/或第二状态属性，或所述目标视频帧段对应的状态属性为所述目标视频帧段中包括的第一类视频帧的第一状态属性和/或第二类视频帧的第二状态属性。