[发明专利]一种目标检测方法及其装置在审
| 申请号： | 201810690561.7 | 申请日： | 2018-06-28 |
| 公开（公告）号： | CN110660067A | 公开（公告）日： | 2020-01-07 |
| 发明（设计）人： | 周健;孙海鸣;谢迪;浦世亮 | 申请（专利权）人： | 杭州海康威视数字技术股份有限公司 |
| 主分类号： | G06T7/12 | 分类号： | G06T7/12;G06K9/32 |
| 代理公司： | 11415 北京博思佳知识产权代理有限公司 | 代理人： | 林祥 |
| 地址： | 310051 浙*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本申请提供一种目标检测方法及其装置，该方法包括：对待标注图像进行目标检测，以得到所述待标注图像中的目标对应的第一矩形框；对所述第一矩形框进行外扩处理，以得到所述第一矩形框对应的第二矩形框；基于所述第二矩形框，利用第一深度学习算法对所述待标注图像进行矩形框标注，以得到所述待标注图像中的目标对应的第三矩形框。该方法可以在保证矩形框标注准确性的情况下，提高矩形框标注的效率。 | ||
| 搜索关键词： | 矩形框 标注 图像 目标检测 学习算法 外扩 申请 保证 | ||
【主权项】：
1.一种目标检测方法，其特征在于，包括：/n对待标注图像进行目标检测，以得到所述待标注图像中的目标对应的第一矩形框；/n对所述第一矩形框进行外扩处理，以得到所述第一矩形框对应的第二矩形框；/n基于所述第二矩形框，利用第一深度学习算法对所述待标注图像进行矩形框标注，以得到所述待标注图像中的目标对应的第三矩形框。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于杭州海康威视数字技术股份有限公司，未经杭州海康威视数字技术股份有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810690561.7/，转载请声明来源钻瓜专利网。
- 同类专利
- 一种视频帧图像分割方法、装置、电子设备及存储介质-201911025928.4
- 郭益林;赵松涛;宋丛礼 - 北京达佳互联信息技术有限公司
- 2019-10-25 - 2020-02-11 - G06T7/12
- 本申请关于一种视频帧图像分割方法、装置、电子设备及存储介质，该方法包括：获取待处理视频帧的上一视频帧与上一视频帧的语义分割结果；对上一视频帧的语义分割结果进行边界模糊处理，得到模糊后的边界图像；将待处理视频帧、模糊后的边界图像、上一视频帧输入到预先训练的网络模型中，得到待处理视频帧的语义分割结果。根据本申请的技术方案，实现通过视频帧的上一帧图像对待处理视频帧的语义分割过程进行指导，并通过对上一帧图像的语义分割结果的边界进行模糊处理，可以避免上一帧图像的语义分割结果的错误对下一阵图像的影响，提高上述语义分割过程的准确性。
- 基于GPU的Compute Shader的智能图像识别方法-201910999880.0
- 夏磊;尤海宁 - 合肥成方信息技术有限公司
- 2019-10-21 - 2020-02-07 - G06T7/12
- 本发明公开了基于GPU的Compute Shader的智能图像识别方法，涉及图像识别技术领域。本发明包括：在Compute shader内对图片进行特征提取；对图片进行归一化预处理；将提取特征在GPU中利用BP神经网络算法进行训练，以获取互联权重，使得一个输入样本对应一个期望输出。本发明通过Compute Shader技术在GPU中进行对图像进行边缘分割，进而使用基于小波距特征和神经网络的识别算法对图像进行识别，减少了数据的转换次数，任意类型的数据都可以直接进行计算，且不受图形渲染流程的束缚，可以随时写入写出，提高GPU通用计算的效能，提高图像处理效率。
- 基于图划分粒子群优化的SAR图像自动分割方法-201710351722.5
- 刘若辰;焦李成;卢成林;夏冠;张丹;李阳阳;刘静;王爽 - 西安电子科技大学
- 2017-05-18 - 2020-02-07 - G06T7/12
- 本发明公开了一种基于图划分粒子群优化的SAR图像自动分割方法，主要解决现有技术对图像分割效果差的问题。实现步骤是：1.输入原始待分割图像，读取其灰度信息；2.对待分割图像进行滤波，得到梯度图像；3.将梯度图像划分成互不重叠的区域；4.求出梯度图像的最大类别数，作为图像最大灰度级；5.将所分割区域映射为无向加权图，并构建无向加权图的能量函数；6.对能量函数进行迭代求解，得到类别中心和类别数；7.判断迭代次数是否小于20，如果是则继续更新粒子，否则输出最优类别数和分割后的图像。本发明运行速度快，分割效果好，可用于医学影像、卫星图像定位、人脸识别、指纹识别、交通控制系统及机器视觉。
- 基于超像素边缘和全卷积网络的图像语义分割方法-201710630636.8
- 张敏;王海;傅一;彭雄友;刘岩;闫郁瑾 - 西安电子科技大学
- 2017-07-28 - 2020-02-07 - G06T7/12
- 本发明提出了一种基于超像素边缘和全卷积网络的图像语义分割方法，用于解决现有图像语义分割方法中存在的准确度低的技术问题，实现步骤为：构建训练、测试和验证样本集，训练、测试并验证输出像素级语义标记的全卷积网络，利用已验证的输出像素级语义标记的全卷积网络对待分割图像进行语义分割，获得像素级语义标记，并对待分割图像进行BSLIC超像素分割，利用像素级语义标记对BSLIC超像素进行语义标注，得到融合了超像素边缘和全卷积网络输出的高级语义信息的语义分割结果。本发明既保持了原始全卷积网络分割准确度，又提高了对细小边缘的分割准确度，进而提升了图像分割准确率，可用于分类、识别、跟踪等要求检测目标的场合。
- 一种图像标注方法及装置-201911035643.9
- 肖苗苗 - 北京云聚智慧科技有限公司
- 2019-10-29 - 2020-02-04 - G06T7/12
- 本申请公开了一种图像标注方法及装置，所述方法包括：获取目标图像中第一物体的待标注共享边界的起始重合点坐标和终止重合点坐标；基于所述起始重合点坐标、所述终止重合点坐标以及第二物体的边界的坐标数据，确定所述待标注共享边界的起始重合点和终止重合点是否在所述第二物体的边界上，所述第二物体是所述目标图像中已经完成边界标注的物体；若为是，基于所述起始重合点和所述终止重合点之间的所述第二物体的边界，标注所述待标注共享边界。本方法及装置可以简化相邻物体间的共享边界的标注操作，提高图像标注效率。
- 一种利用视觉系统识别存在冗余标签的多标签检测方法-201710160476.5
- 罗华;刘岗;杨娜;张栋栋 - 西安航天精密机电研究所
- 2017-03-17 - 2020-01-31 - G06T7/12
- 一种利用视觉系统识别存在冗余标签的多标签检测方法，包括以下步骤：1)工业相机对标签上料盒进行图像采集，获取标签上料盒图像，分别对标签上料盒中的多个标签位区域进行提取；2)筛选无标签的标签位；3)筛选存在冗余标签的标签位；4)对存在冗余标签与无标签的标签位赋予数值0，剩余标签位赋予数值1；依次将各标签位的数值进行二进制与十进制数值计算，得到标签上料盒内所有标签位集成信息；5)将获取的标签盒集成信息传递给电气控制系统，电气控制系统控制机器人吸取二进制数值为1的标签位内标签。通过本发明的方法提高了存在冗余标签的检测效率，增强了标签检测系统的鲁棒性。
- 解剖结构的基于模型的分割-201480065883.2
- A·格罗特;J·彼得斯;J·威斯;A·扎尔巴赫 - 皇家飞利浦有限公司
- 2014-11-26 - 2020-01-31 - G06T7/12
- 提供一种用于对医学图像中的解剖结构执行基于模型的分割的系统(100)。所述系统包括处理器(140)，所述处理器被配置用于通过将可变形模型应用于图像数据(042)来执行对所述解剖结构的基于模型的分割。此外，提供定义数据(220)，其定义所述可变形模型的第一部分与第二部分之间的几何关系，其中，所述解剖结构的对应第一部分被假定在所述图像数据中比所述解剖结构的对应第二部分是较好可见的。所述定义数据然后被用于调节所述可变形模型的所述第二部分的拟合。结果，获得所述可变形模型的所述第二部分到所述解剖结构的所述第二部分的更好的拟合，而不管所述部分在医学图像中是相对较差可见的。
- 一种基于GPU并行加速的立体图像区域轮廓生成方法-201811215584.9
- 黄辉;赵汉理;吴承文 - 温州大学
- 2018-10-18 - 2020-01-14 - G06T7/12
- 本发明实施例公开了一种基于GPU并行加速的立体图像区域轮廓生成方法，包括给定左视图图像、右视图图像、左视图图像中的区域轮廓像素集合；根据GPU加速的尺度不变特征转换和随机柚样检验一致性方法得到鲁棒匹配的特征像素集合对；边缘线均匀采样得到左视图图像中的边缘采样的像素集合；额外随机采样得左视图图像中的三角化像素集合；根据GPU加速的Delaunay三角化方法计算出左视图图像的平面三角形网格；利用GPU加速的共轭梯度法得到右视图图像中的三角化像素集合；计算右视图图像中的区域轮廓像素集合，其所组成的封闭环线即为右视图图像中的区域轮廓线结果。实施本发明，能有效改进区域轮廓线生成的并行性，提高计算效率。
- 一种人体点云模型的骨架提取方法-201710514436.6
- 宁小娟;王映辉;郝雯;徐乐;赵明华;吕志勇;石争浩 - 西安理工大学
- 2017-06-29 - 2020-01-14 - G06T7/12
- 本发明公开了一种人体点云模型的骨架提取方法，其特征在于，具体按照以下步骤实施：步骤1：基于切片思想，获取人体模型骨架点，连接骨架点，生成模型初始曲线骨架；步骤2：对初始曲线骨架进行粗优化，去除噪声点或者空洞产生的多余分叉点和内部分支；步骤3：利用在待优化骨架线上插入插值点对模型曲线骨架进行精优化，得到最终的骨架信息。本发明一种人体点云模型的骨架提取方法解决了现有技术仅适用于特定的模型或者很难针对模型骨架曲线所有性质达到最理想状态，能够自动地完成人体点云模型的骨架提取。
- 一种目标检测方法及其装置-201810690561.7
- 周健;孙海鸣;谢迪;浦世亮 - 杭州海康威视数字技术股份有限公司
- 2018-06-28 - 2020-01-07 - G06T7/12
- 本申请提供一种目标检测方法及其装置，该方法包括：对待标注图像进行目标检测，以得到所述待标注图像中的目标对应的第一矩形框；对所述第一矩形框进行外扩处理，以得到所述第一矩形框对应的第二矩形框；基于所述第二矩形框，利用第一深度学习算法对所述待标注图像进行矩形框标注，以得到所述待标注图像中的目标对应的第三矩形框。该方法可以在保证矩形框标注准确性的情况下，提高矩形框标注的效率。
- 屏幕漏光的检测方法、系统和装置-201611124086.4
- 辛奇俊;吴婷 - 广州视源电子科技股份有限公司
- 2016-12-08 - 2020-01-07 - G06T7/12
- 本发明涉及一种屏幕漏光的检测系统检测方法、系统和装置，其是获取电子设备的屏幕上显示黑色画面的屏幕图像，确定屏幕图像中的边缘区域，获取边缘区域中各个像素点的颜色灰度值，计算颜色灰度值大于预设颜色灰度允许值的目标像素点的个数，根据目标像素点的个数和预设个数判断屏幕是否漏光。此过程可以通过计算机来控制完成，实现自动检测，检测效率高，而且每次判断屏幕漏光的标准客观一致，无需依赖于人工判断，可以提高屏幕漏光检测的准确性和稳定性。
- 一种晶体像素查找表生成的方法-201611268467.X
- 周鑫;宋燕丽;李强;吕新宇;安少辉 - 上海联影医疗科技有限公司
- 2015-03-03 - 2019-12-20 - G06T7/12
- 本发明公开了一种晶体像素查找表生成的方法，其首先对入射光子事件位置信息进行二维统计，获得光子事件位置直方图，然后对晶体位置检测获取晶体中心位置图，获取晶体中心位置图的初始化位置，接着根据初始化位置递推出行列化晶体中心位置图，采用样条法通过串连行列化晶体中心位置图建立网格模板，最后完成晶体像素查找表的生成。本发明能够有效降低晶体行列不规则形变的影响，稳定性好；可排除伪影和粘连点影响，生成的晶体像素查找表正确率高。
- 基于关键帧标记的序列CT图像骨盆轮廓快速提取方法-201710050253.3
- 余辉;王海均;张力新;孙敬来;曹玉珍;于旭耀;时尧 - 天津大学
- 2017-01-23 - 2019-12-20 - G06T7/12
- 本发明涉及一种基于关键帧标记的序列CT图像骨盆轮廓提取方法，包括下列步骤：CT图像预处理；得到感兴趣区域掩模；将掩模与初始图像进行卷积得到中间图像；将中间图像按照空间顺序排列，选取相邻两帧CT图像的像素差值作为特征距离，将特征距离小于指定阈值的相邻两帧作为相似帧，对CT序列进行初步筛选，得到候选关键帧序列；对候选关键帧序列进行细致筛选；交互式标记关键帧骨轮廓；采用GVF模型提取各层CT图像的骨轮廓。
- 一种基于深度感知的图像分割方法-201910661047.5
- 卢书芳;丁雪峰;寿旭峰;朱翔;高飞 - 浙江工业大学
- 2019-07-22 - 2019-12-13 - G06T7/12
- 本发明公开了一种基于深度感知的图像分割方法，包括：(1)获取目标的深度图和彩色图并进行预处理；(2)从深度图中提取包含目标的最小深度范围，并在对应彩色图中将处于深度阈值外的位置的像素点删除；(3)对步骤(2)处理后的彩色图进行两次画框，第一次画框分割出包含完整目标的最小区域，第二次画框在在该最小区域内分割出肯定前景区域，第一次画框外的像素全部作为背景像素T
- 一种语义边缘主导的高分遥感影像分割方法-201910764982.4
- 夏列钢;张雄波;吴炜;杨海平 - 浙江工业大学
- 2019-08-19 - 2019-12-10 - G06T7/12
- 一种语义边缘主导的高分遥感影像分割方法，包括获取数据、设计网络、准备模型、生产边缘、形态学后处理、矢量化的步骤。本发明利用卷积神经网络的特征学习能力以及池化操作形成多尺度融合，从遥感影像中提取符合视觉特征的地物对象边缘；本发明可以采用预训练边缘模型或基于局部人工勾绘成果重新训练模型，分别对应分割任务中的非监督和监督方法；通过对边缘细化及延长连接形成相对精准及完整的地物边界，将边界矢量化形成分割所需地物多边形。由此方法生成的地物多边形能基本吻合地物在影像上的视觉边界，克服传统分割对象中大部分过分割与欠分割现象，为地物精细形态确定、类型识别、大规模信息提取提供有效支持。
- 一种基于3D视觉的边缘提取方法及系统-201910816666.7
- 石俊锋;蒋星;张国能 - 广东博智林机器人有限公司
- 2019-08-30 - 2019-12-03 - G06T7/12
- 本申请一种基于3D视觉的边缘提取方法及系统，对完成了初步安装的板材使用点云凹包提取算法进行轮廓提取，对选出的特定范围内的点一一遍历，得到轮廓提取点云；提取基准材料和待安装材料的待对准边缘的边界点云，使用最小二乘法进行直线拟合，解决了现阶段视觉检测方法因板材边缘存在缺陷而导致的精度不足、稳定性差的技术问题，相比较于传统的2D视觉提取方法可以有效消除板材边缘对比度低的影响；鉴于其他工序已逐步应用了3D视觉，本发明从3D视觉出发还可以与其他工序完成软硬件上的配合，弥补结构复杂和成本高的缺陷。
- 一种基于机器视觉的砂轮修整方法及装置-201910631969.1
- 王帅;李彬;包华 - 郑州磨料磨具磨削研究所有限公司
- 2019-07-12 - 2019-11-29 - G06T7/12
- 本发明涉及一种基于机器视觉的砂轮修整方法及装置，该砂轮的修整方法通过砂轮旋转时得到多处位置的轮廓线信息，将获取的轮廓线信息经过分段处理得到基础线段，以相同位置的基础线段的最大极差作为工作层的跳动，能够准确的计算出工作层跳动量，从而据此进行修整，降低了工作层跳动，提高了砂轮轮廓精度，使得修整后的砂轮具有更好的磨削效果，可用于精密磨削，有助于提高修整后的砂轮磨削性能的稳定性。
- 一种面向异源序列图像的变化检测及其测试方法-201510791303.4
- 史泽林;向伟;刘云鹏;石轶;惠斌;花海洋 - 中国科学院沈阳自动化研究所
- 2015-11-16 - 2019-11-29 - G06T7/12
- 本发明涉及一种面向异源序列图像的变化检测及其测试方法，构建标准化测试靶标，并将标准化测试靶标分散到红外图像中；利用Canny算子边缘特征提取算法，对红外图像和可见光图像中稳定的边缘特征进行边缘提取，输出异源图像的边缘图；对异源图像的边缘图进行图像分块，利用连续化边缘概率的变化检测算法，计算异源图像的变化检测图谱；将得到的变化检测图谱进行对比，选择分辨能力较高的变化检测图谱进行均值计算，得到变化检测阈值。本发明能够对灰度差异较大的红外与可见光图像实现变化检测，具有很高的变化检测率。
- 一种快速把图片进行抠图处理的方法-201910789301.X
- 郭广欣;陈俊杰 - 武汉众果科技有限公司
- 2019-08-26 - 2019-11-26 - G06T7/12
- 本发明公开了一种快速把图片进行抠图处理的方法，涉及图片处理相关领域，为解决现有技术中简单抠图方法对复杂背景或边缘细节多的图片，抠出的对象精细度不够的问题。包括如下步骤：步骤1：调整图片亮度；步骤2：将步骤1调整后的图片的对比度和饱和度调整至最大；步骤3：描画抠图对象与背景之间的边缘线以及抠图对象周围位置的模糊线；步骤4：锁定背景和中间的抠图对象，将步骤3描画的边缘线与模糊线之间的图形分成小图像扩大后再次刻画新边缘线；步骤5：将步骤4中得到的图片的对比度、饱和度和亮度调整至原数值；步骤6：将步骤5中得到的图片以步骤4描画的新边缘线作为抠图线进行抠图。
- 基于深度卷积神经网络和超像素的图像语义分割方法-201611020101.0
- 闫镔;陈健;曾磊;乔凯;徐一夫;李中国;高飞 - 中国人民解放军信息工程大学
- 2016-11-18 - 2019-11-22 - G06T7/12
- 本发明公开了一种基于深度卷积神经网络和超像素的图像语义分割方法，克服了现有技术中，现有语义分割方法的精度仍待提高的问题。该发明含有如下步骤：1：在图像分类数据集上训练一个由图像到类别标签的深度卷积网络分类模型；2：在深度卷积神经网络分类模型中加入反卷积层，在图像语义分割数据集上进行微调训练，实现从图像到图像语义分割结果的映射；3：将测试图像输入深度卷积神经网络语义分割模型中，得到各个像素的语义标签，同时将测试图像送入超像素分割算法，得到若干超像素区域；4：把超像素和语义标签进行融合，得到最终改善的语义分割结果。本方法改善现有图像语义分割方法的精度，在图像识别和应用中具有重要意义。
- 专利分类
- 彩色图像和单色图像的图像处理
- 图像编码/图像解码方法以及图像编码/图像解码装置
- 图像处理装置、图像形成装置、图像读取装置、图像处理方法
- 图像解密方法、图像加密方法、图像解密装置、图像加密装置、图像解密程序以及图像加密程序
- 图像解密方法、图像加密方法、图像解密装置、图像加密装置、图像解密程序以及图像加密程序
- 图像编码方法、图像解码方法、图像编码装置、图像解码装置、图像编码程序以及图像解码程序
- 图像编码方法、图像解码方法、图像编码装置、图像解码装置、图像编码程序、以及图像解码程序
- 图像形成设备、图像形成系统和图像形成方法
- 图像编码装置、图像编码方法、图像编码程序、图像解码装置、图像解码方法及图像解码程序
- 图像编码装置、图像编码方法、图像编码程序、图像解码装置、图像解码方法及图像解码程序
