[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

说明书

本申请实施例提供了对象检测方法、装置、内窥镜系统、电子设备及存储介质，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；根据各对象的属性信息，分别对各对象进行跟踪，得到各对象的跟踪结果；根据各对象的跟踪结果，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。除了检测出对象的位置外，通过第一类视频帧及第二类视频帧，可以清楚的了解到新对象出现的时机和已有对象消失的时机，从而能够减少纱布等对象遗留在患者体腔内的情况。

技术领域

本申请涉及图像处理技术领域，特别是涉及对象检测方法、装置、内窥镜系统、电子设备及存储介质。

背景技术

内窥镜(Endoscopes)是一种常用的医疗器械，由导光束结构及一组镜头组成。内窥镜经人体的天然孔道或经小切口进入人体内，通过设备外部成像用于人体器官或组织的检查及手术治疗。内窥镜手术相对于开放性手术，具有创口小、恢复快的优势，在临床上受到患者和医生的青睐。

使用内窥镜进行手术或诊断的过程中，有些情形下需要使用一块或多块手术用纱布。例如，可以在解剖区周围的体腔内放入手术用纱布，用来吸收可能渗出的血液或其他体液。如果在手术或诊断过程完成之后，手术用纱布被遗留在体腔内，那么手术用纱布会对患者造成风险。因此，如何对纱布进行有效检测，以减少纱布遗留在患者体腔内的情况，成为亟待解决的问题。

发明内容

本申请实施例的目的在于提供一种对象检测方法、装置、内窥镜系统、电子设备及存储介质，以实现减少纱布等对象遗留在患者体腔内的情况。具体技术方案如下：

第一方面，本申请实施例提供了一种对象检测方法，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。

在一种可能的实施方式中，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。

在一种可能的实施方式中，所述方法还包括：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。

在一种可能的实施方式中，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。

在一种可能的实施方式中，所述方法还包括：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。