面向工地明暗场景的双分支目标检测方法、装置、设备及介质与流程
本申请涉及计算机视觉和图像目标检测,尤其涉及面向工地明暗场景的双分支目标检测方法、装置、设备及介质。
背景技术:
1、随着工地视觉监测技术的发展,通常需要利用摄像设备采集工地图像,并通过目标检测网络识别人员、车辆和施工设备。受室外强光、建筑遮挡和局部照明等因素影响,同一帧工地图像中可能同时存在高亮区域和暗光区域。
2、目前,通常对工地图像进行亮度调整、对比度增强等预处理,再将处理后的图像输入单分支目标检测网络;或者利用统一的特征提取网络提取图像特征,并根据提取的图像特征生成目标检测结果。
3、但是,统一的图像增强方式难以分别处理高亮区域和暗光区域,单分支特征提取方式也难以针对两类区域的特征差异分别提取和融合目标特征。因此,在单帧工地图像同时包含高亮区域和暗光区域时,如何利用两类区域对应的图像特征进行目标检测成为亟待解决的问题。
技术实现思路
1、本申请的目的在于提供一种面向工地明暗场景的双分支目标检测方法、装置、设备及介质,旨在解决在单帧工地图像同时包含高亮区域和暗光区域时,如何利用两类区域对应的图像特征进行目标检测的技术问题。
2、为实现上述目的,本申请提出一种面向工地明暗场景的双分支目标检测方法,所述方法包括:
3、将单帧工地图像输入目标检测网络中的共享特征提取网络,得到共享基础特征图,所述目标检测网络还包括高亮特征分支、暗光特征分支、特征对齐模块、特征融合模块和目标检测头;
4、通过所述高亮特征分支对所述共享基础特征图进行分段动态范围压缩得到高亮分支特征图,并通过所述暗光特征分支对所述共享基础特征图进行多尺度特征增强得到暗光分支特征图;
5、根据所述高亮分支特征图与所述暗光分支特征图之间的特征位置对应关系,通过所述特征对齐模块进行跨分支空间对齐,得到对齐高亮特征图和对齐暗光特征图;
6、通过所述特征融合模块对所述对齐高亮特征图和所述对齐暗光特征图进行加权融合,得到融合特征图;
7、将所述融合特征图输入所述目标检测头,得到所述单帧工地图像对应的目标检测结果。
8、此外,为实现上述目的,本申请还提出一种面向工地明暗场景的双分支目标检测装置,所述装置包括:
9、特征提取模块,用于将单帧工地图像输入目标检测网络中的共享特征提取网络,得到共享基础特征图,所述目标检测网络还包括高亮特征分支、暗光特征分支、特征对齐模块、特征融合模块和目标检测头;
10、分支处理模块,用于通过所述高亮特征分支对所述共享基础特征图进行分段动态范围压缩得到高亮分支特征图,并通过所述暗光特征分支对所述共享基础特征图进行多尺度特征增强得到暗光分支特征图;
11、对齐处理模块,用于根据所述高亮分支特征图与所述暗光分支特征图之间的特征位置对应关系,通过所述特征对齐模块进行跨分支空间对齐,得到对齐高亮特征图和对齐暗光特征图;
12、融合处理模块,用于通过所述特征融合模块对所述对齐高亮特征图和所述对齐暗光特征图进行加权融合,得到融合特征图;
13、目标检测模块,用于将所述融合特征图输入所述目标检测头,得到所述单帧工地图像对应的目标检测结果。
14、此外,为实现上述目的,本申请还提出一种面向工地明暗场景的双分支目标检测设备,所述设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序配置为实现如上文所述的面向工地明暗场景的双分支目标检测方法的步骤。
15、此外,为实现上述目的,本申请还提出一种存储介质,所述存储介质为计算机可读存储介质,所述存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如上文所述的面向工地明暗场景的双分支目标检测方法的步骤。
16、本申请提出的一个或多个技术方案,至少具有以下技术效果:
17、将单帧工地图像输入共享特征提取网络,提取两个特征分支共同使用的共享基础特征图,减少了基础图像特征的重复提取;利用高亮特征分支对共享基础特征图进行分段动态范围压缩,限制数值较大的特征值与其他特征值之间的数值跨度,得到高亮分支特征图,并利用暗光特征分支进行多尺度特征增强,组合不同空间范围内的图像信息,得到暗光分支特征图;根据两个分支特征图之间的特征位置对应关系进行跨分支空间对齐,使两类分支特征建立空间位置对应关系,得到对齐高亮特征图和对齐暗光特征图;对两个对齐特征图进行加权融合,使两类分支特征共同形成融合特征图;再利用目标检测头处理融合特征图,生成单帧工地图像对应的目标检测结果,本申请能够在单帧工地图像同时包含高亮区域和暗光区域时,利用两类区域对应的图像特征进行目标检测。
1.一种面向工地明暗场景的双分支目标检测方法,其特征在于,所述方法包括:
2.如权利要求1所述的方法,其特征在于,所述通过所述高亮特征分支对所述共享基础特征图进行分段动态范围压缩得到高亮分支特征图的步骤包括:
3.如权利要求1所述的方法,其特征在于,所述通过所述暗光特征分支对所述共享基础特征图进行多尺度特征增强得到暗光分支特征图的步骤包括:
4.如权利要求1所述的方法,其特征在于,所述根据所述高亮分支特征图与所述暗光分支特征图之间的特征位置对应关系,通过所述特征对齐模块进行跨分支空间对齐,得到对齐高亮特征图和对齐暗光特征图的步骤包括:
5.如权利要求1所述的方法,其特征在于,所述通过所述特征融合模块对所述对齐高亮特征图和所述对齐暗光特征图进行加权融合,得到融合特征图的步骤包括:
6.如权利要求1所述的方法,其特征在于,所述将所述融合特征图输入所述目标检测头,得到所述单帧工地图像对应的目标检测结果的步骤包括:
7.如权利要求1至6中任一项所述的方法,其特征在于,所述将单帧工地图像输入目标检测网络中的共享特征提取网络,得到共享基础特征图的步骤包括:
8.一种面向工地明暗场景的双分支目标检测装置,其特征在于,所述装置应用如权利要求1至7中任一项所述的面向工地明暗场景的双分支目标检测方法,所述装置包括:
9.一种面向工地明暗场景的双分支目标检测设备,其特征在于,所述设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序配置为实现如权利要求1至7中任一项所述的面向工地明暗场景的双分支目标检测方法的步骤。
10.一种存储介质,其特征在于,所述存储介质为计算机可读存储介质,所述存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的面向工地明暗场景的双分支目标检测方法的步骤。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com