目标检测方法和装置与流程

技术特征：
1.一种目标检测方法，其特征在于，所述方法包括：利用摄像装置获取图像；基于所述摄像装置的参数和预设行驶路径，标定出所述图像中的感兴趣区域；利用目标检测算法对所述图像进行检测，得到所述图像中的目标对象所属的类别、所述目标对象在所述图像中的第一位置区域和所述目标对象所属的类别的置信度；基于所述第一位置区域与所述感兴趣区域之间的相对位置关系，修正所述目标对象所属的类别的置信度，得到第一置信度。2.根据权利要求1所述的目标检测方法，其特征在于，所述方法还包括：响应于所述第一置信度大于预设阈值，基于所述摄像装置的参数、所述第一位置区域在图像中的边界坐标、预先设置的所述类别对应的对象在现实世界中的大小，确定所述图像中的第二位置区域；检测所述第一位置区域和所述第二位置区域之间的误差；基于所述误差，修正所述第一置信度，得到所述目标对象所属的类别的第二置信度。3.根据权利要求2所述的目标检测方法，其特征在于，所述摄像装置的参数包括以下至少一项：所述摄像装置的焦距、所述摄像装置与参考面的距离、由所述摄像装置坐标系转换为图像坐标系的转换矩阵和感光元件中的感光单元的尺寸。4.根据权利要求3所述的目标检测方法，其特征在于，所述基于所述摄像装置的参数、所述第一位置区域在图像中的边界坐标、预先设置的所述类别对应的对象在现实世界中的大小，确定所述图像中的第二位置区域，包括：基于所述摄像装置的焦距、所述摄像装置与参考面的距离、由所述摄像装置坐标系转换为图像坐标系的转换矩阵、感光元件中的感光单元的尺寸和所述第一位置区域在所述图像中的边界坐标，确定所述摄像装置与目标对象之间的距离；基于所述摄像装置与目标对象之间的距离、所检测出的类别对应的对象在现实世界中的大小、所述摄像装置与参考面的距离、以及所述第一位置区域的边界坐标，确定所述图像中的第二位置区域。5.根据权利要求1至4任一项所述的目标检测方法，其特征在于，所述目标对象所属的类别是将所述目标对象的特征与多个预设候选类别对应的对象的特征进行匹配，基于匹配结果，从预设候选类别中选择出的。6.根据权利要求5所述的目标检测方法，其特征在于，所述利用目标检测算法对所述图像进行检测，得到所述图像中的目标对象所属的类别、所述目标对象在所述图像中的第一位置区域和所述目标对象所属的类别的置信度，包括：在预先训练的目标检测模型中设置标定参数，所述标定参数用于指示所述目标检测模型在所述图像中标定出多个候选区域；将所述图像输入至所述目标检测模型，得到所述目标检测模型的输出结果，所述输出结果用于指示各所述候选区域中是否呈现有所述预设候选类别的对象和所述目标对象所属的类别的置信度，其中，所述目标检测模型是基于训练样本和用于进行候选区域标定的标定参数，对神经网络训练得到的。7.根据权利要求6所述的目标检测方法，其特征在于，所述图像中的多个候选区域是基于约束条件预先确定的；
所述约束条件包括：各所述预设候选类别对应的对象呈现在所述图像中的区域范围、以及各所述预设候选类别对应的对象在所述图像中的成像大小范围。8.根据权利要求7所述的目标检测方法，其特征在于，所述确定所述图像中的多个候选区域，包括：在所述图像中标定出初始候选区域；利用所述约束条件对所述初始候选区域进行筛选，基于筛选结果，得到所述多个候选区域。9.根据权利要求6至8任一项所述的目标检方法，其特征在于，所述方法还包括对所述目标检测模型的优化步骤，所述优化步骤包括：获取训练样本集，所述训练样本集包括多个样本图像，各所述样本图像中呈现有目标对象；将样本图像输入至所述目标检测模型，得到各样本图像中的目标对象所属的类别和目标对象在样本图像中的第一位置区域，基于样本图像中的目标对象所属的类别、第一置区域的边界坐标以及用于拍摄样本图像的拍摄设备的参数，确定各样本图像中的第二位置区；利用预设损失函数确定各训练样本中第一位置区域和第二位置区域之间的偏差，基于所述偏差，迭代调整所述目标检测模型，得到优化后的目标检测模型。10.一种目标检测装置，其特征在于，包括：获取模块，用于利用摄像装置获取图像；标定模块，用于基于所述摄像装置的参数和预设行驶路径，标定出所述图像中的感兴趣区域；第一检测模块，用于利用目标检测算法对所述图像进行检测，得到所述图像中的目标对象所属的类别、所述目标对象在所述图像中的第一位置区域和所述目标对象所属的类别的置信度；第一修正模块，用于基于所述第一位置区域与所述感兴趣区域之间的相对位置关系，修正所述目标对象所属的类别的置信度，得到第一置信度。11.根据权利要求10所述的目标检测装置，其特征在于，所述装置还包括：确定模块，用于响应于所述第一置信度大于预设阈值，基于所述摄像装置的参数、所述第一位置区域在图像中的边界坐标、预先设置的所述类别对应的对象在现实世界中的大小，确定所述图像中的第二位置区域；第二检测模块，用于检测所述第一位置区域和所述第二位置区域之间的误差；第二修正模块，用于基于所述误差，修正所述第一置信度，得到所述目标所属的类别的第二置信度。12.根据权利要求11所述的目标检测装置，其特征在于，所述摄像装置的参数包括以下至少一项：所述摄像装置的焦距、所述摄像装置与参考面的距离、由所述摄像装置坐标系转换为图像坐标系的转换矩阵和感光元件中的感光单元的尺寸。13.根据权利要求12所述的目标检测装置，其特征在于，所述确定模块，包括：第一确定子模块，用于基于所述摄像装置的焦距、所述摄像装置与参考面的距离、由所述摄像装置坐标系转换为图像坐标系的转换矩阵、感光元件中的感光单元的尺寸和所述第
一位置区域在图像中的边界坐标，确定所述摄像装置与所述目标对象之间的距离；第二确定子模块，用于基于所述摄像装置与目标对象之间的距离、所检测出的类别对应的对象在现实世界中的大小、所述摄像装置与参考面的距离、以及所述第一位置区域的边界坐标，确定所述图像中的第二位置区域。14.根据权利要求10至13任一项所述的目标检测装置，其特征在于，所述目标对象所属的类别是将所述目标对象的特征与多个预设候选类别对应的对象的特征进行匹配，基于匹配结果，从所述预设候选类别中选择出的。15.根据权利要求14所述的目标检测装置，其特征在于，所述第一检测模块，包括：设置子模块，用于在预先训练的目标检测模型中设置标定参数，所述标定参数用于指示所述目标检测模型在所述图像中标定出多个候选区域；检测子模块，用于将所述图像输入至所述目标检测模型，得到所述目标检测模型的输出结果，所述输出结果用于指示各所述候选区域中是否呈现有预设候选类别的对象和所述目标对象所属的类别的置信度，其中，所述目标检测模型是基于训练样本和用于进行候选区域标定的标定参数，对神经网络训练得到的。16.根据权利要求15所述的目标检测装置，其特征在于，所述图像中的多个候选区域是基于约束条件预先确定的；所述约束条件包括：各所述预设候选类别对应的对象呈现在所述图像中的区域范围、以及各所述预设候选类别对应的对象在所述图像中的成像大小范围。17.根据权利要求16所述的目标检测装置，其特征在于，所述设置子模块具体用于：在所述图像中标定出初始候选区域；利用所述约束条件对所述初始候选区域进行筛选，基于筛选结果，得到所述多个候选区域。18.根据权利要求15至17任一项所述的目标检测装置，其特征在于，所述目标检测装置还包括模型优化模块，所述模型优化模块具体用于：获取训练样本集，所述训练样本集包括多个样本图像，各所述样本图像中呈现有目标对象；将样本图像输入至所述目标检测模型，得到各样本图像中的目标对象所属的类别和目标对象在样本图像中的第一位置区域，基于样本图像中的目标对象所属的类别、第一置区域的边界坐标以及用于拍摄样本图像的拍摄设备的参数，确定各样本图像中的第二位置区；利用预设损失函数确定各训练样本中第一位置区域和第二位置区域之间的偏差，基于所述偏差，迭代调整所述目标检测模型，得到优化后的目标检测模型。19.一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时，使得电子设备实现如权利要求1至9任一项所述的方法。20.一种可读存储介质，其特征在于，包括计算机指令，当所述计算机指令在计算机上运行时，使得所述计算机执行如权利要求1至9中任一项所述的方法。21.一种计算机程序产品，其特征在于，当所述计算机程序产品在计算机上运行时，使得所述计算机执行如权利要求1至9中任一项所述的方法。

技术总结
本申请实施例提供了一种目标检测方法和装置，该目标检测方法包括：利用摄像装置获取图像；基于摄像装置的参数和预设行驶路径，标定出图像中的感兴趣区域；利用目标检测算法对图像进行检测，得到图像中的目标对象所属的类别、所述目标对象在图像中的第一位置区域和目标对象所属的类别的置信度；基于第一位置区域与感兴趣区域之间的相对位置关系，修正目标对象所属的类别的置信度，得到第一置信度，从而使得所检测出的目标对象更加准确。使得所检测出的目标对象更加准确。使得所检测出的目标对象更加准确。


技术研发人员：尹晓萌 苏惠荞
受保护的技术使用者：华为技术有限公司
技术研发日：2020.05.14
技术公布日：2021/11/19