CN107748867A - 目标对象的检测方法及装置 - Google Patents

目标对象的检测方法及装置 Download PDF

Info

Publication number
CN107748867A
CN107748867A CN201710986009.8A CN201710986009A CN107748867A CN 107748867 A CN107748867 A CN 107748867A CN 201710986009 A CN201710986009 A CN 201710986009A CN 107748867 A CN107748867 A CN 107748867A
Authority
CN
China
Prior art keywords
cascade
bounding box
image
layer
fcn
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201710986009.8A
Other languages
English (en)
Inventor
陈志军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Xiaomi Mobile Software Co Ltd
Original Assignee
Beijing Xiaomi Mobile Software Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Xiaomi Mobile Software Co Ltd filed Critical Beijing Xiaomi Mobile Software Co Ltd
Priority to CN201710986009.8A priority Critical patent/CN107748867A/zh
Publication of CN107748867A publication Critical patent/CN107748867A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/047—Probabilistic or stochastic networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/07—Target detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Biophysics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Probability & Statistics with Applications (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)

Abstract

本公开是关于一种目标对象的检测方法及装置。该方法包括：识别步骤，将待处理图像输入级联的全卷积网络FCN模型的第n层，识别得到所检测的目标对象在所述第n层对应的概率图；包围盒确定步骤，根据所述第n层对应的概率图上各概率值，得到各包围盒，并采用非极大值抑制NMS将各包围盒进行合并；原图区域确定步骤，将合并后的包围盒在所述待处理图像上得到对应的原图区域；将所得到的所述原图区域输入所述级联的FCN模型的第n+1层，迭代地执行所述识别步骤、所述包围盒确定步骤和所述原图区域确定步骤；直至在所述级联的FCN模型的第L层，输出所述目标对象在所述待处理图像的位置。本公开检测速度更快，检出率更高。

Description

目标对象的检测方法及装置
技术领域
本公开涉及目标检测领域，尤其涉及一种目标对象的检测方法及装置。
背景技术
相关技术中，采用Cascade CNN模型进行人脸检测时，采用滑动窗口的方法，来查找人脸。当滑动的次数增多或窗口变大时，跟踪过程所需的存储空间会极具上升。由于相邻的滑动窗口之间会产生重叠区域。因此，在检测过程中做了大量的无用功，检测速度慢。
发明内容
为克服相关技术中存在的问题，本公开提供一种目标对象的检测方法及装置。
根据本公开实施例的第一方面，提供一种目标对象的检测方法，包括：
识别步骤，将待处理图像输入级联的全卷积网络FCN模型的第n层，识别得到所检测的目标对象在所述第n层对应的概率图，所述级联的FCN模型包括L层FCN，L为大于或等于2的整数，所述n为从1到L的整数；
包围盒确定步骤，根据所述第n层对应的概率图上各概率值，得到各包围盒，并采用非极大值抑制NMS将各包围盒进行合并；
原图区域确定步骤，将合并后的包围盒在所述待处理图像上得到对应的原图区域；将所得到的所述原图区域输入所述级联的FCN模型的第n+1层，迭代地执行所述识别步骤、所述包围盒确定步骤和所述原图区域确定步骤；直至在所述级联的FCN模型的第L层，输出所述目标对象在所述待处理图像的位置。
在一种可能的实现方式中，该方法还包括：
针对所述目标对象进行训练，得到级联的卷积神经网络CNN模型，所述级联的CNN模型包括多层CNN；
将所述级联的CNN模型转化为所述级联的FCN模型，所述级联的FCN模型包括多层FCN。
在一种可能的实现方式中，该方法还包括：
将所述待处理图像按照不同比例缩放，得到多个缩放后的图像；
将所述多个缩放后的图像输入所述级联的FCN模型，迭代地执行识别步骤、包围盒确定步骤和原图区域确定步骤，得到所述目标对象在所述多个缩放后的图像中对应的位置；
采用NMS对识别出的所述多个缩放后的图像中的位置进行聚合，得到所述目标对象在所述待处理图像的位置。
在一种可能的实现方式中，将所述多个缩放后的图像输入所述级联的FCN模型，迭代地执行识别步骤、包围盒确定步骤和原图区域确定步骤，得到所述目标对象在所述多个缩放后的图像中对应的位置，包括：
所述识别步骤包括：将尺度为M*N的图像输入所述级联的FCN模型的第n层，识别得到所述第n层对应的X*Y的概率图，所述尺度为M*N的图像由所述待处理图像缩放得到的图像，所述X等于M*St，Y等于N*St，所述St为步长，所述n为从1到L的整数；
所述包围盒确定步骤包括：根据第n层对应的概率图上的概率值大于设定阈值的点，得到S个包围盒B，并采用NMS将S个包围盒B进行合并；
所述原图区域确定步骤包括：将合并后的S个包围盒在所述尺度为M*M的图像上得到对应的S个原图区域B1；将所得到的S个原图区域B1输入所述级联的FCN模型的第n+1层，迭代地执行所述识别步骤、所述包围盒确定步骤和所述原图区域确定步骤，直至在所述级联的FCN模型的第L层，输出所述目标对象在所述尺度为M*M的图像中对应的概率图和位置。
根据本公开实施例的第二方面，提供一种目标对象的检测装置，包括：
识别模块，用于将待处理图像输入级联的全卷积网络FCN模型的第n层，识别得到所检测的目标对象在所述第n层对应的概率图，所述级联的FCN模型包括L层FCN，L为大于或等于2的整数，所述n为从1到L的整数；
包围盒确定模块，用于根据所述第n层对应的概率图上各概率值，得到各包围盒，并采用非极大值抑制NMS将各包围盒进行合并；
原图区域确定模块，用于将合并后的包围盒在所述待处理图像上得到对应的原图区域；
迭代模块，用于将所得到的所述原图区域输入所述级联的FCN模型的第n+1层，控制所述识别模块、所述包围盒确定模块和所述原图区域确定模块迭代地执行动作，直至在所述级联的FCN模型的第L层，输出所述目标对象在所述待处理图像的位置。
在一种可能的实现方式中，该装置还包括：
训练模块，用于针对所述目标对象进行训练，得到级联的卷积神经网络CNN模型，所述级联的CNN模型包括多层CNN；
转化模块，用于将所述级联的CNN模型转化为所述级联的FCN模型，所述级联的FCN模型包括多层FCN。
在一种可能的实现方式中，该装置还包括：
缩放模块，用于将所述待处理图像按照不同比例缩放，得到多个缩放后的图像；
输入模块，用于将所述多个缩放后的图像输入所述级联的FCN模型，迭代地执行识别步骤、包围盒确定步骤和原图区域确定步骤，得到所述目标对象在所述多个缩放后的图像中对应的位置；
聚合模块，用于采用NMS对识别出的所述多个缩放后的图像中的位置进行聚合，得到所述目标对象在所述待处理图像的位置。
在一种可能的实现方式中，所述识别模块，还用于将尺度为M*N的图像输入所述级联的FCN模型的第n层，识别得到所述第n层对应的X*Y的概率图，所述尺度为M*N的图像由所述待处理图像缩放得到的图像，所述X等于M*St，Y等于N*St，所述St为步长，所述n为从1到L的整数；
所述包围盒确定模块，还用于根据第n层对应的概率图上的概率值大于设定阈值的点，得到S个包围盒B，并采用NMS将S个包围盒B进行合并；
所述原图区域确定模块，还用于将合并后的S个包围盒在所述尺度为M*M的图像上得到对应的S个原图区域B1；
所述迭代模块，还用于将所得到的S个原图区域B1输入所述级联的FCN模型的第n+1层，控制所述识别模块、所述包围盒确定模块和所述原图区域确定模块迭代地执行动作，直至在所述级联的FCN模型的第L层，输出所述目标对象在所述尺度为M*M的图像中对应的概率图和位置。
根据本公开实施例的第三方面，提供一种目标对象的检测装置，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为执行：
识别步骤，将待处理图像输入级联的全卷积网络FCN模型的第n层，识别得到所检测的目标对象在所述第n层对应的概率图，所述级联的FCN模型包括L层FCN，L为大于或等于2的整数，所述n为从1到L的整数；
包围盒确定步骤，根据所述第n层对应的概率图上各概率值，得到各包围盒，并采用非极大值抑制NMS将各包围盒进行合并；
原图区域确定步骤，将合并后的包围盒在所述待处理图像上得到对应的原图区域；将所得到的所述原图区域输入所述级联的FCN模型的第n+1层，迭代地执行所述识别步骤、所述包围盒确定步骤和所述原图区域确定步骤；直至在所述级联的FCN模型的第L层，输出所述目标对象在所述待处理图像的位置。
根据本公开实施例的第四方面，提供一种非临时性计算机可读存储介质，当所述存储介质中的指令由处理器执行时，使得处理器能够执行本公开实施例中的方法。
本公开的实施例提供的技术方案可以包括以下有益效果：采用级联的FCN模型得到的概率图后，根据概率图确定包围盒，并将包围盒对应到待处理图像上得到对应的原图区域，再输入级联的FCN模型继续进行下一层的识别，与传统的级联的CNN采用滑动窗口进行目标检测相比，本公开的技术方案重复区域少，因此检测速度更快。采用NMS对包围盒进行合并，可以使得下一层扫描的图像中的区域更多，减少漏检区域，检出率更高。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
图1是根据一示例性实施例示出的一种目标对象的检测方法的流程图。
图2是根据一示例性实施例示出的一种目标对象的检测方法的另一流程图。
图3是根据一示例性实施例示出的一种目标对象的检测方法的另一流程图。
图4是根据另一示例性实施例示出的一种目标对象的检测方法的流程图。
图5是一种级联分类模型的示例的示意图。
图6是向FCN模型输入的图像及其概率图。
图7是根据一示例性实施例示出的一种目标对象的检测装置的框图。
图8是根据另一示例性实施例示出的一种目标对象的检测装置的框图。
图9是根据另一示例性实施例示出的一种目标对象的检测装置的框图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
图1是根据一示例性实施例示出的一种目标对象的检测方法的流程图，如图1所示，该方法可以应用于例如手机、平板电脑、相机等终端中。该目标对象的检测方法包括迭代的执行以下步骤S101至S103。
S101、识别步骤，将待处理图像输入级联的FCN(Full Convolutional Network，全卷积网络)模型的第n层，识别得到所检测的目标对象在所述第n层对应的概率图，所述级联的FCN模型包括L层FCN，L为大于或等于2的整数，所述n为从1到L的整数。
S102、包围盒确定步骤，根据所述第n层对应的概率图上各概率值，得到各包围盒，并采用NMS(Non Maximum Suppression，非极大值抑制)将各包围盒进行合并。
S103、原图区域确定步骤，将合并后的包围盒在所述待处理图像上得到对应的原图区域；将所得到的所述原图区域输入所述级联的FCN模型的第n+1层，迭代地执行所述识别步骤、所述包围盒确定步骤和所述原图区域确定步骤；直至在所述级联的FCN模型的第L层，输出所述目标对象在所述待处理图像的位置。
在本实施例中，所检测的目标对象可以包括但不限于人脸、风景、动植物等。将待处理图像输入预先为某一目标对象训练得到的级联的FCN模型中。级联的FCN模型包括多层FCN，每一层的输出作为下一层的输入。在级联的FCN模型的第一层，识别得到目标对象在这一层对应的概率图。然后，根据概率图在该第一层划分得到各包围盒。例如，将概率值大于某一阈值的概率点连在一起，构成一个或多个包围盒。然后将第一层的包围盒对应的原图区域输入到下一层FCN进行识别，其它层也进行与第一层类似的处理。
在一种可能的实现方式中，如图2所示，该方法还包括：
S201、针对所述目标对象进行训练，得到级联的CNN(Convolutional NeuralNetwork，卷积神经网络)模型，所述级联的CNN模型包括多层CNN；
S202、将所述级联的CNN模型转化为所述级联的FCN模型，所述级联的FCN模型包括多层FCN。
在本实施例中，CNN模型包括卷积层和全连接层，FCN模型全部是卷积层。将一个CNN模型中的全连接层转化为卷积层，即可将这个CNN模型转化为FCN模型。
在一种示例中，可以针对目标对象先设计几层级联的CNN，然后将级联的CNN修改为FCN。全连接层与卷积层之间的不同是：卷积层中的神经元只与输入数据中的一个局部区域连接，并且，在卷积列中的神经元共享参数。然而在这两类层(全连接层与卷积层)中，神经元都是计算点积，所以他们的函数形式是一样的。因此，将两者互相转化是可能的。
对于任一个卷积层，存在一个能实现和它一样的前向传播函数的全连接层。权重矩阵是一个巨大的矩阵，除了某些特定块，其余部分都是零。而在其中大部分块中，元素都是相等的。
相反，任何全连接层都可以被转化为卷积层。比如，一个K＝4096的全连接层，输入数据体的尺寸是7×7×512，这个全连接层可以被等效地看作一个F＝7，P＝0，S＝1，K＝4096的卷积层。换句话说，就是将滤波器的尺寸设置为和输入数据体的尺寸一致了。因为只有一个单独的深度列覆盖并滑过输入数据体，所以输出将变成1×1×4096，这个结果就和使用初始的那个全连接层一样了。
全连接层转化为卷积层：在这两种变换中，将全连接层转化为卷积层在实际运用中更加有用。假设一个卷积神经网络的输入是224×224×3的图像，一系列的卷积层和下采样层将图像数据变为尺寸为7×7×512的激活数据体。AlexNet使用了两个尺寸为4096的全连接层，最后一个有1000个神经元的全连接层用于计算分类评分。我们可以将这3个全连接层中的任意一个转化为卷积层：
针对第一个连接区域是[7×7×512]的全连接层，令其滤波器尺寸为F＝7，这样输出的数据体就为[1×1×4096]了。针对第二个全连接层，令其滤波器尺寸为F＝1，这样输出数据体为[1×1×4096]。对最后一个全连接层也做类似的处理，令其滤波器尺寸为F＝1，最终输出为[1×1×1000]。
实际操作中，每次这样的变换都需要把全连接层的权重W重塑成卷积层的滤波器。这样的转化可以让卷积网络在一张更大的输入图片上滑动，得到多个输出，这样的转化可以让我们单个向前传播的过程中完成上述的操作。
在一种可能的实现方式中，如图2所示，该方法还包括：
S203、将所述待处理图像按照不同比例缩放，得到多个缩放后的图像。例如，分别将待处理图像按照2:1、3:1、4:1、5:1等比例进行缩放。
S204、将所述多个缩放后的图像输入所述级联的FCN模型，迭代地执行识别步骤101、包围盒确定步骤102和原图区域确定步骤103，得到所述目标对象在所述多个缩放后的图像中对应的位置。
S205、采用NMS对识别出的所述多个缩放后的图像中的位置进行聚合，得到所述目标对象在所述待处理图像的位置。
在一种可能的实现方式中，如图3所示，以尺度为M*N的图像的检测过程为例，S204包括：
S301、识别步骤：将尺度为M*N的图像输入所述级联的FCN模型的第n层，识别得到所述第n层对应的X*Y的概率图，所述尺度为M*N的图像由所述待处理图像缩放得到的图像，所述X等于M*St，Y等于N*St，所述St为步长，所述n为从1到L的整数。在本实施例中，M和N可以相等，也可以不相等，尺度为M*N的图像与原图尺度成一定比例。
S302、包围盒确定步骤：根据第n层对应的概率图上的概率值大于设定阈值的点，得到S个包围盒B，并采用NMS将S个包围盒B进行合并。
S303、原图区域确定步骤：将合并后的S个包围盒在所述尺度为M*M的图像上得到对应的S个原图区域B1；将所得到的S个原图区域B1输入所述级联的FCN模型的第n+1层，迭代地执行所述识别步骤、所述包围盒确定步骤和所述原图区域确定步骤，直至在所述级联的FCN模型的第L层，输出所述目标对象在所述尺度为M*M的图像中对应的概率图和位置。
本实施例的目标对象的检测方法，采用级联的FCN模型得到的概率图后，根据概率图确定包围盒，并将包围盒对应到待处理图像上得到对应的原图区域，再输入级联的FCN模型继续进行下一层的识别，与传统的级联的CNN采用滑动窗口进行目标检测相比，本公开的技术方案重复区域少，因此检测速度更快。采用NMS对包围盒进行合并，可以使得下一层扫描的图像中的区域更多，减少漏检区域，检出率(也可称为召回率)更高。
图4是根据另一示例性实施例示出的一种目标对象的检测方法的流程图。如图4所示，以目标对象为人脸为例，该目标对象的检测方法可以为基于Adaboost Cascade(级联的)FCN的人脸检测算法，包括以下步骤。
S401、首先训练一个Cascade CNN(级联的CNN)模型。该级联的CNN模型包括至少2层或者以上的CNN。每一层的CNN基于上一层的检测结果通过的样本进行训练。类似Adaboost的方式。
其中，Adaboost是一种基于级联分类模型的分类器。Adaboost是AdaptiveBoosting(自适应提升)算法的简称。如图5所示为一种级联分类模型的示例。每一层基于上一层输出的正例继续进行训练，直至最后一层为止。
S402、将训练好的级联的CNN模型，修改为级联的FCN模型。
每一层CNN的输入图像大小是固定的，而FCN网络是全卷积网络，输入的大小是可变的。
假设FCN输入一个尺度为M*N的图像，输出一个对应大小为X*Y的概率图。假设该FCN网络的步长(stride)比值是1:4，则X＝M/4，Y＝N/4。
概率图上的每个点对应原图的一个区域是不是人脸的概率。向FCN模型输入一个图像后，得到的该图像对应的概率图如图6所示。
S403、Cascade FCN模型人脸检测流程。
S4031、对待处理图像按照不同比例缩放，得到多个缩放后的图像。
S4032、对每一个缩放后的图像，经过第n层的FCN识别后生成对应的概率图。如缩放后尺度为M*N的图像，经过第一层FCN(net1)识别后生成一个X*Y的概率图H1(也可称为网络概率图)。
S4033、将概率图上概率值大于一定阈值的点判定为是有可能的人脸，并对概率图上的这些点进行划分区域，得到包围盒B。例如，在概率图H1上的各概率值大于设定阈值的点连在一起的作为一个包围盒，可能得到一个或多个包围盒。如果得到多个包围盒，例如得到S个包围盒B，S为大于1的正整数，还可以采用NMS将这些包围盒进行合并。
S4034、将这S个包围盒对应到原图(即M*N的图像)，得到这些包围盒在原图上对应的区域B1(简称原图区域)，这些区域大小可以各不相同。
S4035、将S个区域B1输入到下一层例如第二层FCN(Net2)进行识别。然后执行步骤S4032得出第二层的概率图H2。再执行S4033根据第二层的概率图H2得到包围盒，进行NMS。再执行S4034对应到原图(M*N的图像)得到原图区域B2，在将区域B2作为第三层FCN的输入区域。也可以对S个区域B1进行预估，比较采用CNN和FCN那个模型识别这S个区域B1所用的时间。如果采用CNN时间少，可以在第二层采用CNN对这S个区域B1进行识别。如果采用FCN时间少，可以在第二层采用FCN这S个区域B1进行识别。其它层开始识别之前也可以进行类似的预估。
S4036、迭代地执行S4031至步骤4035，直至在级联的FCN模型的最后一层，得到M*N的图像最终的概率图。
S4037、在尺度为M*M的图像上根据最终的概率图得出最终的人脸位置F。
S4038、对于缩放后的每一个尺度的图像，都进行S4031至S4037的检测。然后将各个尺度的图像上的这些人脸的位置进行NMS，得出最终的人脸检测结果(即、在待处理图像上的人脸的位置)。
本实施例的级联的FCN的人脸检测方法，采用级联的FCN模型得到的概率图后，根据概率图确定包围盒，并将包围盒对应到原图区域，再继续进行下一层的识别，与传统的级联的CNN采用滑动窗口进行人脸识别相比，重复区域少，因此检测速度更快。采用NMS对包围盒进行合并，可以使得下一层扫描的图像中的区域更多，减少漏检区域，检出率更高。
图7是根据一示例性实施例示出的一种目标对象的检测装置的框图。参照图7，该装置包括：
识别模块61，用于将待处理图像输入级联的全卷积网络FCN模型的第n层，识别得到所检测的目标对象在所述第n层对应的概率图，所述级联的FCN模型包括L层FCN，L为大于或等于2的整数，所述n为从1到L的整数；
包围盒确定模块63，用于根据所述第n层对应的概率图上各概率值，得到各包围盒，并采用非极大值抑制NMS将各包围盒进行合并；
原图区域确定模块65，用于将合并后的包围盒在所述待处理图像上得到对应的原图区域；
迭代模块67，用于将所得到的所述原图区域输入所述级联的FCN模型的第n+1层，控制识别模块61、包围盒确定模块63、和原图区域确定模块65迭代地执行动作，直至在所述级联的FCN模型的第L层，输出所述目标对象在所述待处理图像的位置。
图8是根据另一示例性实施例示出的一种目标对象的检测装置的框图。参照图8，该装置还包括：
训练模块71，用于针对所述目标对象进行训练，得到级联的卷积神经网络CNN模型，所述级联的CNN模型包括多层CNN；
转化模块73，用于将所述级联的CNN模型转化为所述级联的FCN模型，所述级联的FCN模型包括多层FCN。
在一种可能的实现方式中，该装置还包括：
缩放模块75，用于将所述待处理图像按照不同比例缩放，得到多个缩放后的图像；
输入模块77，用于将所述多个缩放后的图像输入所述级联的FCN模型，控制识别模块61、包围盒确定模块63和原图区域确定模块63迭代地执行动作，得到所述目标对象在所述多个缩放后的图像中对应的位置；
聚合模块79，用于采用NMS对识别出的所述多个缩放后的图像中的位置进行聚合，得到所述目标对象在所述待处理图像的位置。
在一种可能的实现方式中，该装置中：
识别模块61，还用于将尺度为M*N的图像输入所述级联的FCN模型的第n层，识别得到所述第n层对应的X*Y的概率图，所述尺度为M*N的图像由所述待处理图像缩放得到的图像，所述X等于M*St，Y等于N*St，所述St为步长，所述n为从1到L的整数；
包围盒确定模块63，还用于根据第n层对应的概率图上的概率值大于设定阈值的点，得到S个包围盒B，并采用NMS将S个包围盒B进行合并；
原图区域确定模块65，还用于将合并后的S个包围盒在所述尺度为M*M的图像上得到对应的S个原图区域B1；
迭代模块67，还用于将所得到的S个原图区域B1输入所述级联的FCN模型的第n+1层，控制识别模块61、包围盒确定模块63、和原图区域确定模块65迭代地执行动作，直至在所述级联的FCN模型的第L层，输出所述目标对象在所述尺度为M*M的图像中对应的概率图和位置。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
本公开实施例的目标对象的检测装置，采用级联的FCN模型得到的概率图后，根据概率图确定包围盒，并将包围盒对应到原图区域，再继续进行下一层的识别，与传统的级联的CNN采用滑动窗口进行目标检测相比，重复区域少，因此检测速度更快。采用NMS对包围盒进行合并，可以使得下一层扫描的图像中的区域更多，减少漏检区域，检出率(也可称为召回率)更高。
图9是根据另一示例性实施例示出的一种目标对象的检测装置的框图。例如，该目标对象的检测置装置800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。
参照图9，装置800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(I/O)的接口812，传感器组件814，以及通信组件816。
处理组件802通常控制装置800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在装置800的操作。这些数据的示例包括用于在装置800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图像，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
电源组件806为装置800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为装置800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述装置800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当装置800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当装置800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器，用于为装置800提供各个方面的状态评估。例如，传感器组件814可以检测到装置800的打开/关闭状态，组件的相对定位，例如所述组件为装置800的显示器和小键盘，传感器组件814还可以检测装置800或装置800一个组件的位置改变，用户与装置800接触的存在或不存在，装置800方位或加速/减速和装置800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
通信组件816被配置为便于装置800和其他设备之间有线或无线方式的通信。装置800可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
在示例性实施例中，装置800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器804，上述指令可由装置800的处理器820执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims (10)

1.一种目标对象的检测方法，其特征在于，包括：
识别步骤，将待处理图像输入级联的全卷积网络FCN模型的第n层，识别得到所检测的目标对象在所述第n层对应的概率图，所述级联的FCN模型包括L层FCN，L为大于或等于2的整数，所述n为从1到L的整数；
包围盒确定步骤，根据所述第n层对应的概率图上各概率值，得到各包围盒，并采用非极大值抑制NMS将各包围盒进行合并；
原图区域确定步骤，将合并后的包围盒在所述待处理图像上得到对应的原图区域；将所得到的所述原图区域输入所述级联的FCN模型的第n+1层，迭代地执行所述识别步骤、所述包围盒确定步骤和所述原图区域确定步骤；直至在所述级联的FCN模型的第L层，输出所述目标对象在所述待处理图像的位置。
2.根据权利要求1所述的方法，其特征在于，还包括：
针对所述目标对象进行训练，得到级联的卷积神经网络CNN模型，所述级联的CNN模型包括多层CNN；
将所述级联的CNN模型转化为所述级联的FCN模型，所述级联的FCN模型包括多层FCN。
3.根据权利要求1或2所述的方法，其特征在于，还包括：
将所述待处理图像按照不同比例缩放，得到多个缩放后的图像；
将所述多个缩放后的图像输入所述级联的FCN模型，迭代地执行识别步骤、包围盒确定步骤和原图区域确定步骤，得到所述目标对象在所述多个缩放后的图像中对应的位置；
采用NMS对识别出的所述多个缩放后的图像中的位置进行聚合，得到所述目标对象在所述待处理图像的位置。
4.根据权利要求3所述的方法，其特征在于，将所述多个缩放后的图像输入所述级联的FCN模型，迭代地执行识别步骤、包围盒确定步骤和原图区域确定步骤，得到所述目标对象在所述多个缩放后的图像中对应的位置，包括：
所述识别步骤包括：将尺度为M*N的图像输入所述级联的FCN模型的第n层，识别得到所述第n层对应的X*Y的概率图，所述尺度为M*N的图像由所述待处理图像缩放得到的图像，所述X等于M*St，Y等于N*St，所述St为步长，所述n为从1到L的整数；
所述包围盒确定步骤包括：根据第n层对应的概率图上的概率值大于设定阈值的点，得到S个包围盒B，并采用NMS将S个包围盒B进行合并；
所述原图区域确定步骤包括：将合并后的S个包围盒在所述尺度为M*M的图像上得到对应的S个原图区域B1；将所得到的S个原图区域B1输入所述级联的FCN模型的第n+1层，迭代地执行所述识别步骤、所述包围盒确定步骤和所述原图区域确定步骤，直至在所述级联的FCN模型的第L层，输出所述目标对象在所述尺度为M*M的图像中对应的概率图和位置。
5.一种目标对象的检测装置，其特征在于，包括：
识别模块，用于将待处理图像输入级联的全卷积网络FCN模型的第n层，识别得到所检测的目标对象在所述第n层对应的概率图，所述级联的FCN模型包括L层FCN，L为大于或等于2的整数，所述n为从1到L的整数；
包围盒确定模块，用于根据所述第n层对应的概率图上各概率值，得到各包围盒，并采用非极大值抑制NMS将各包围盒进行合并；
原图区域确定模块，用于将合并后的包围盒在所述待处理图像上得到对应的原图区域；
迭代模块，用于将所得到的所述原图区域输入所述级联的FCN模型的第n+1层，控制所述识别模块、所述包围盒确定模块和所述原图区域确定模块迭代地执行动作，直至在所述级联的FCN模型的第L层，输出所述目标对象在所述待处理图像的位置。
6.根据权利要求5所述的装置，其特征在于，还包括：
训练模块，用于针对所述目标对象进行训练，得到级联的卷积神经网络CNN模型，所述级联的CNN模型包括多层CNN；
转化模块，用于将所述级联的CNN模型转化为所述级联的FCN模型，所述级联的FCN模型包括多层FCN。
7.根据权利要求5或6所述的装置，其特征在于，还包括：
缩放模块，用于将所述待处理图像按照不同比例缩放，得到多个缩放后的图像；
输入模块，用于将所述多个缩放后的图像输入所述级联的FCN模型，迭代地执行识别步骤、包围盒确定步骤和原图区域确定步骤，得到所述目标对象在所述多个缩放后的图像中对应的位置；
聚合模块，用于采用NMS对识别出的所述多个缩放后的图像中的位置进行聚合，得到所述目标对象在所述待处理图像的位置。
8.根据权利要求7所述的装置，其特征在于：
所述识别模块，还用于将尺度为M*N的图像输入所述级联的FCN模型的第n层，识别得到所述第n层对应的X*Y的概率图，所述尺度为M*N的图像由所述待处理图像缩放得到的图像，所述X等于M*St，Y等于N*St，所述St为步长，所述n为从1到L的整数；
所述包围盒确定模块，还用于根据第n层对应的概率图上的概率值大于设定阈值的点，得到S个包围盒B，并采用NMS将S个包围盒B进行合并；
所述原图区域确定模块，还用于将合并后的S个包围盒在所述尺度为M*M的图像上得到对应的S个原图区域B1；
所述迭代模块，还用于将所得到的S个原图区域B1输入所述级联的FCN模型的第n+1层，控制所述识别模块、所述包围盒确定模块和所述原图区域确定模块迭代地执行动作，直至在所述级联的FCN模型的第L层，输出所述目标对象在所述尺度为M*M的图像中对应的概率图和位置。
9.一种目标对象的检测装置，其特征在于，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为执行：
识别步骤，将待处理图像输入级联的全卷积网络FCN模型的第n层，识别得到所检测的目标对象在所述第n层对应的概率图，所述级联的FCN模型包括L层FCN，L为大于或等于2的整数，所述n为从1到L的整数；
包围盒确定步骤，根据所述第n层对应的概率图上各概率值，得到各包围盒，并采用非极大值抑制NMS将各包围盒进行合并；
原图区域确定步骤，将合并后的包围盒在所述待处理图像上得到对应的原图区域；
将所得到的所述原图区域输入所述级联的FCN模型的第n+1层，迭代地执行所述识别步骤、所述包围盒确定步骤和所述原图区域确定步骤；直至在所述级联的FCN模型的第L层，输出所述目标对象在所述待处理图像的位置。
10.一种非临时性计算机可读存储介质，当所述存储介质中的指令由处理器执行时，使得处理器能够执行根据权利要求1至4中任一项所述的方法。
CN201710986009.8A 2017-10-20 2017-10-20 目标对象的检测方法及装置 Pending CN107748867A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710986009.8A CN107748867A (zh) 2017-10-20 2017-10-20 目标对象的检测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710986009.8A CN107748867A (zh) 2017-10-20 2017-10-20 目标对象的检测方法及装置

Publications (1)

Publication Number Publication Date
CN107748867A true CN107748867A (zh) 2018-03-02

Family

ID=61253911

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710986009.8A Pending CN107748867A (zh) 2017-10-20 2017-10-20 目标对象的检测方法及装置

Country Status (1)

Country Link
CN (1) CN107748867A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109034266A (zh) * 2018-08-16 2018-12-18 新智数字科技有限公司 一种目标图像检测方法、装置及系统
CN109036522A (zh) * 2018-06-28 2018-12-18 深圳视见医疗科技有限公司 图像处理方法、装置、设备及可读存储介质
CN110059707A (zh) * 2019-04-25 2019-07-26 北京小米移动软件有限公司 图像特征点的优化方法、装置和设备
CN110837760A (zh) * 2018-08-17 2020-02-25 北京四维图新科技股份有限公司 目标检测方法、用于目标检测的训练方法和装置
CN111738338A (zh) * 2020-06-23 2020-10-02 征图新视(江苏)科技股份有限公司 基于级联膨胀fcn网络应用于马达线圈的缺陷检测方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106355573A (zh) * 2016-08-24 2017-01-25 北京小米移动软件有限公司 图片中目标物的定位方法及装置
CN106778773A (zh) * 2016-11-23 2017-05-31 北京小米移动软件有限公司 图片中目标物的定位方法及装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106355573A (zh) * 2016-08-24 2017-01-25 北京小米移动软件有限公司 图片中目标物的定位方法及装置
CN106778773A (zh) * 2016-11-23 2017-05-31 北京小米移动软件有限公司 图片中目标物的定位方法及装置

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109036522A (zh) * 2018-06-28 2018-12-18 深圳视见医疗科技有限公司 图像处理方法、装置、设备及可读存储介质
CN109036522B (zh) * 2018-06-28 2021-08-17 深圳视见医疗科技有限公司 图像处理方法、装置、设备及可读存储介质
CN109034266A (zh) * 2018-08-16 2018-12-18 新智数字科技有限公司 一种目标图像检测方法、装置及系统
CN110837760A (zh) * 2018-08-17 2020-02-25 北京四维图新科技股份有限公司 目标检测方法、用于目标检测的训练方法和装置
CN110837760B (zh) * 2018-08-17 2022-10-14 北京四维图新科技股份有限公司 目标检测方法、用于目标检测的训练方法和装置
CN110059707A (zh) * 2019-04-25 2019-07-26 北京小米移动软件有限公司 图像特征点的优化方法、装置和设备
CN111738338A (zh) * 2020-06-23 2020-10-02 征图新视(江苏)科技股份有限公司 基于级联膨胀fcn网络应用于马达线圈的缺陷检测方法

Similar Documents

Publication Publication Date Title
CN107748867A (zh) 目标对象的检测方法及装置
CN107492115A (zh) 目标对象的检测方法及装置
CN107145904A (zh) 图像类别的确定方法、装置及存储介质
CN107578054A (zh) 图像处理方法及装置
CN107798669A (zh) 图像去雾方法、装置及计算机可读存储介质
CN105809704A (zh) 识别图像清晰度的方法及装置
CN107909113A (zh) 交通事故图像处理方法、装置及存储介质
CN108010060A (zh) 目标检测方法及装置
CN108256555A (zh) 图像内容识别方法、装置及终端
CN104731688B (zh) 提示阅读进度的方法及装置
CN107944447A (zh) 图像分类方法及装置
CN107563994A (zh) 图像的显著性检测方法及装置
CN109801270A (zh) 锚点确定方法及装置、电子设备和存储介质
CN106778531A (zh) 人脸定位方法及装置
CN106228158A (zh) 图片检测的方法和装置
CN106250921A (zh) 图片处理方法及装置
CN108040171A (zh) 语音操作方法、装置及计算机可读存储介质
CN107992848A (zh) 获取深度图像的方法、装置及计算机可读存储介质
CN107967459A (zh) 卷积处理方法、装置及存储介质
CN108062547A (zh) 文字检测方法及装置
CN107194464A (zh) 卷积神经网络模型的训练方法及装置
CN107527024A (zh) 人脸颜值评估方法及装置
CN107590534A (zh) 训练深度卷积神经网络模型的方法、装置及存储介质
CN107273013A (zh) 文本处理方法、装置及电子设备
CN109255784A (zh) 图像处理方法及装置、电子设备和存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20180302

RJ01 Rejection of invention patent application after publication