CN111626990A - 目标检测框处理方法、装置及电子设备 - Google Patents

目标检测框处理方法、装置及电子设备 Download PDF

Info

Publication number
CN111626990A
CN111626990A CN202010374778.4A CN202010374778A CN111626990A CN 111626990 A CN111626990 A CN 111626990A CN 202010374778 A CN202010374778 A CN 202010374778A CN 111626990 A CN111626990 A CN 111626990A
Authority
CN
China
Prior art keywords
target detection
detection frame
frame
state
detected
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.)
Granted
Application number
CN202010374778.4A
Other languages
English (en)
Other versions
CN111626990B (zh
Inventor
白戈
王长虎
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 ByteDance Network Technology Co Ltd
Original Assignee
Beijing ByteDance Network Technology 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 ByteDance Network Technology Co Ltd filed Critical Beijing ByteDance Network Technology Co Ltd
Priority to CN202010374778.4A priority Critical patent/CN111626990B/zh
Publication of CN111626990A publication Critical patent/CN111626990A/zh
Application granted granted Critical
Publication of CN111626990B publication Critical patent/CN111626990B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/04Architecture, e.g. interconnection topology
    • G06N3/045Combinations of networks
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/08Learning methods
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10016Video; Image sequence
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20081Training; Learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)

Abstract

本公开实施例中提供了一种目标检测框处理方法、装置及电子设备,属于数据处理技术领域,该方法包括:获取在多个初始视频帧中检测得到的目标检测框,所述目标检测框用以标识视频帧中检测到的一个或多个目标对象;对所有获取到的目标检测框按照预设的策略执行初始化操作,使每个目标检测框处于初始状态、候选状态及稳定状态中的一种状态;基于在新视频帧中检测到的处于初始状态的目标检测框,对处于候选状态和稳定状态的目标检测框执行更新操作;基于处于候选状态和稳定状态的目标检测框的更新结果,确定所述新视频帧上最终输出的目标检测框。通过本公开的处理方案,能够提高检测到的目标检测框的平滑度。

Description

目标检测框处理方法、装置及电子设备
技术领域
本公开涉及数据处理技术领域,尤其涉及一种目标检测框处理方法、装置及电子设备。
背景技术
目标检测,也叫目标提取,是一种基于目标几何和统计特征的图像分割,它将目标的分割和识别合二为一,其准确性和实时性是整个系统的一项重要能力。尤其是在复杂场景中,需要对多个目标进行实时处理时,目标自动提取和识别就显得特别重要。随着计算机技术的发展和计算机视觉原理的广泛应用,利用计算机图像处理技术对目标进行实时跟踪研究越来越热门,对目标进行动态实时跟踪定位在智能化交通系统、智能监控系统、军事目标检测及医学导航手术中手术器械定位等方面具有广泛的应用价值。
在用目标检测算法识别视频帧中物体的类别、位置和大小时,会出现目标检测框不够稳定的情况。不稳定是指在第i帧检测出某一个物体的目标检测框,但是在第i+1帧该区域没有检测出目标检测框,可能在第i+2帧目标检测框又出现了。出现这种现象的原因是每一帧的画面会有差别,物体的大小,坐标、旋转角度可能发生变化,基于CNN的目标检测框架也只是枚举有限个候选目标检测框,会存在漏检和检错的情况。
发明内容
有鉴于此,本公开实施例提供一种目标检测框处理方法、装置及电子设备,以至少部分解决现有技术中存在的问题。
第一方面,本公开实施例提供了一种目标检测框处理方法,包括:
获取在多个初始视频帧中检测得到的目标检测框,所述目标检测框用以标识视频帧中检测到的一个或多个目标对象;
对所有获取到的目标检测框按照预设的策略执行初始化操作,使每个目标检测框处于初始状态、候选状态及稳定状态中的一种状态;
基于在新视频帧中检测到的处于初始状态的目标检测框,对处于候选状态和稳定状态的目标检测框执行更新操作;
基于处于候选状态和稳定状态的目标检测框的更新结果,确定所述新视频帧上最终输出的目标检测框。
根据本公开实施例的一种具体实现方式,所述基于在新视频帧中检测到的处于初始状态的目标检测框,对处于候选状态和稳定状态的目标检测框执行更新操作,包括:
判断新视频中检测到的处于初始状态的目标检测框与已经存在处于稳定状态的目标视频框是否类别相同且满足预设的重合度;
若是,则对所述新视频中检测到的处于初始状态的目标检测框与所述处于稳定状态的目标视频框执行加权平均操作,得到更新后的目标视频框;
在完成加权平均操作之后,对所述新视频中检测到的处于初始状态的目标检测框执行删除操作。
根据本公开实施例的一种具体实现方式,所述基于在新视频帧中检测到的处于初始状态的目标检测框,对处于候选状态和稳定状态的目标检测框执行更新操作,还包括:
在新视频帧中检测到的处于初始状态的目标检测框之后,判断处于稳定状态的目标检测框是否在预设时间内没有执行过更新操作;
若是,则从稳定状态的目标检测框集合中删除在预设时间内没有执行过更新操作的目标检测框。
根据本公开实施例的一种具体实现方式,所述基于在新视频帧中检测到的处于初始状态的目标检测框,对处于候选状态和稳定状态的目标检测框执行更新操作,包括:
判断新视频中检测到的处于初始状态的目标检测框与已经存在处于候选状态的目标视频框是否类别相同且满足预设的重合度;
若是,则对所述新视频中检测到的处于初始状态的目标检测框与所述处于候选状态的目标视频框执行加权平均操作,得到更新后的目标视频框;
在完成加权平均操作之后,对所述新视频中检测到的处于初始状态的目标检测框执行删除操作。
根据本公开实施例的一种具体实现方式,所述基于在新视频帧中检测到的处于初始状态的目标检测框,对处于候选状态和稳定状态的目标检测框执行更新操作,还包括:
在新视频帧中检测处于初始状态的目标检测框之后,判断候选状态的目标检测框出现的次数是否超过预设阈值;
若是,则将出现次数超过预设阈值的候选状态的目标检测框转移到稳定状态目标检测框集合中。
根据本公开实施例的一种具体实现方式,所述基于在新视频帧中检测到的处于初始状态的目标检测框,对处于候选状态和稳定状态的目标检测框执行更新操作,还包括:
在新视频帧中检测到的处于初始状态的目标检测框之后,判断处于候选状态的目标检测框是否在预设时间内没有执行过更新操作;
若是,则从候选状态的目标检测框集合中删除在预设时间内没有执行过更新操作的目标检测框。
根据本公开实施例的一种具体实现方式,所述基于在新视频帧中检测到的处于初始状态的目标检测框,对处于候选状态和稳定状态的目标检测框执行更新操作,还包括:
将没有被执行过删除操作的初始状态目标检测框转移到候选状态目标检测框中。
根据本公开实施例的一种具体实现方式,所述对所有获取到的目标检测框按照预设的策略执行初始化操作,使每个目标检测框处于初始状态、候选状态及稳定状态中的一种状态,包括:
通过人工标注的方式对所有获取到的目标检测框进行状态标注,使得每个目标检测框处于初始状态、候选状态及稳定状态中的一种状态。
第二方面,本公开实施例提供了一种目标检测框处理装置,包括:
获取模块,用于获取在多个初始视频帧中检测得到的目标检测框,所述目标检测框用以标识视频帧中检测到的一个或多个目标对象;
执行模块,用于对所有获取到的目标检测框按照预设的策略执行初始化操作,使每个目标检测框处于初始状态、候选状态及稳定状态中的一种状态;
更新模块,用于基于在新视频帧中检测到的处于初始状态的目标检测框,对处于候选状态和稳定状态的目标检测框执行更新操作;
确定模块,用于基于处于候选状态和稳定状态的目标检测框的更新结果,确定所述新视频帧上最终输出的目标检测框。
第三方面,本公开实施例还提供了一种电子设备,该电子设备包括:
至少一个处理器;以及,
与该至少一个处理器通信连接的存储器;其中,
该存储器存储有可被该至少一个处理器执行的指令,该指令被该至少一个处理器执行,以使该至少一个处理器能够执行前述第一方面或第一方面的任一实现方式中的目标检测框处理方法。
第四方面,本公开实施例还提供了一种非暂态计算机可读存储介质,该非暂态计算机可读存储介质存储计算机指令,该计算机指令用于使该计算机执行前述第一方面或第一方面的任一实现方式中的目标检测框处理方法。
第五方面,本公开实施例还提供了一种计算机程序产品,该计算机程序产品包括存储在非暂态计算机可读存储介质上的计算程序,该计算机程序包括程序指令,当该程序指令被计算机执行时,使该计算机执行前述第一方面或第一方面的任一实现方式中的目标检测框处理方法。
本公开实施例中的目标检测框处理方案,包括获取在多个初始视频帧中检测得到的目标检测框,所述目标检测框用以标识视频帧中检测到的一个或多个目标对象;对所有获取到的目标检测框按照预设的策略执行初始化操作,使每个目标检测框处于初始状态、候选状态及稳定状态中的一种状态;基于在新视频帧中检测到的处于初始状态的目标检测框,对处于候选状态和稳定状态的目标检测框执行更新操作;基于处于候选状态和稳定状态的目标检测框的更新结果,确定所述新视频帧上最终输出的目标检测框。通过本公开的处理方案,提高检测到的目标检测框在视频帧中的平滑度,从而实现对视频中的目标进行长期稳定的追踪。
附图说明
为了更清楚地说明本公开实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本公开的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
图1为本公开实施例提供的一种目标检测框处理方法的流程图;
图2为本公开实施例提供的另一种目标检测框处理方法的流程图;
图3为本公开实施例提供的另一种目标检测框处理方法的流程图;
图4为本公开实施例提供的另一种目标检测框处理方法的流程图;
图5为本公开实施例提供的一种目标检测框处理装置的结构示意图;
图6为本公开实施例提供的电子设备示意图。
具体实施方式
下面结合附图对本公开实施例进行详细描述。
以下通过特定的具体实例说明本公开的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本公开的其他优点与功效。显然,所描述的实施例仅仅是本公开一部分实施例,而不是全部的实施例。本公开还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本公开的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。基于本公开中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本公开保护的范围。
需要说明的是,下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见,本文中所描述的方面可体现于广泛多种形式中,且本文中所描述的任何特定结构及/或功能仅为说明性的。基于本公开,所属领域的技术人员应了解,本文中所描述的一个方面可与任何其它方面独立地实施,且可以各种方式组合这些方面中的两者或两者以上。举例来说,可使用本文中所阐述的任何数目个方面来实施设备及/或实践方法。另外,可使用除了本文中所阐述的方面中的一或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。
还需要说明的是,以下实施例中所提供的图示仅以示意方式说明本公开的基本构想,图式中仅显示与本公开中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
另外,在以下描述中,提供具体细节是为了便于透彻理解实例。然而,所属领域的技术人员将理解,可在没有这些特定细节的情况下实践所述方面。
本公开实施例提供一种目标检测框处理方法。本实施例提供的目标检测框处理方法可以由一计算装置来执行,该计算装置可以实现为软件,或者实现为软件和硬件的组合,该计算装置可以集成设置在服务器、客户端等中。
参见图1,本公开实施例中的目标检测框处理方法,可以包括如下步骤:
S101,获取在多个初始视频帧中检测得到的目标检测框,所述目标检测框用以标识视频帧中检测到的一个或多个目标对象。
视频通常由多个视频帧组成,每个视频帧中包含一个或多个目标对象,这些目标对象可以是视频帧中存在的各种物体(例如,车,人等)。通过目标检测的方式,可以获得视频帧中包含的一个或多个目标对象,为了对检测到的目标对象进行标识,通过采用目标检测框来标识视频帧中检测到的一个或多个目标对象。
目标检测框可以是任意的形状,作为一种应用场景,可以将目标检测框设置为矩形,通过该矩形的外框,能够表示该区域内存在一个目标对象。通过目标检测框,能够给人直观的展示视频帧中存在的目标对象的数目。
在用目标检测算法识别视频帧中物体的类别、位置和大小时,会出现目标检测框不够稳定的情况。不稳定是指在第i帧检测出某一个物体的目标检测框,但是在第i+1帧该区域没有检测出目标检测框,可能在第i+2帧目标检测框又出现了。出现这种现象的原因是每一帧的画面会有差别,物体的大小,坐标、旋转角度可能发生变化,基于CNN的目标检测框架也只是枚举有限个候选目标检测框,会存在漏检和检错的情况。为了对视频中的目标进行长期稳定的追踪,需要对画面帧出现目标检测框进行平滑处理。
为此,需要获取初始视频帧中检测到的所有的目标检测框,通过对初始视频帧中的目标检测框的设置来提高目标检测框的平滑度。初始视频帧可以是一段视频中起始的部分视频帧,也可以是通过人为定义的方式设定的某些视频帧。
S102,对所有获取到的目标检测框按照预设的策略执行初始化操作,使每个目标检测框处于初始状态、候选状态及稳定状态中的一种状态。
获取到多个初始视频帧中的目标检测框之后,可以对这些目标检测框的状态进行初始化设置,从而使这些目标检测框具有预设的状态。
作为一种方式,可以将目标检测框的状态设置为初始状态、候选状态及稳定状态中的一个。其中,所有检测到的目标框的状态为初始状态,对初状态之后,不确定是否稳定的目标检测框的状态为候选状态,最终确定的处于平滑状态的目标检测框为稳定状态。
可以采用多种方式来执行初始化操作,例如,可以采用人工标注的方式来对所有获取到的目标检测框按照预设的策略执行初始化操作,使每个目标检测框处于初始状态、候选状态及稳定状态中的一种状态。当然,也可以采用机器学习的方式对所有获取到的目标检测框按照预设的策略执行初始化操作。在此对于初始化操作的具体方式不作限定。
S103,基于在新视频帧中检测到的处于初始状态的目标检测框,对处于候选状态和稳定状态的目标检测框执行更新操作。
当获得到视频中新的视频帧之后,将新视频帧上检测到的目标检测框设置为初始状态,通过新视频帧上处于初始状态的目标检测框,来对于之前已经检测到的处于候选状态和稳定状态的目标检测框执行更新操作。
具体的,可以对比新视频帧上每一个初始状态的目标检测框和已经存在的稳定状态的目标检测框,如果两者类别相同且出现一定程度的重合,则更新稳定状态的目标检测框,更新方法是将初始状态的目标检测框和稳定状态的目标检测框求加权平均,同时删除对应的初始状态的目标检测框。如果某个稳定状态的目标检测框长时间不更新,则从稳定状态的目标检测框集合中移除。
对于剩下的每一个初始状态的目标检测框和每一个已经存在的候选状态的目标检测框,如果两者类别相同且出现一定程度的重合,则更新候选状态的目标检测框,同时删除对应的初始状态的目标检测框;如果某一个候选状态的目标检测框已经连续出现的帧数超过一定阈值,将其从候选状态的目标检测框集合中移除并加入稳定状态的目标检测框;如果某一个候选状态的目标检测框长时间不更新,则从候选状态的目标检测框集合中移除。
S104,基于处于候选状态和稳定状态的目标检测框的更新结果,确定所述新视频帧上最终输出的目标检测框。
最后通过处于候选状态和稳定状态的目标检测框的更新结果,确定新视频帧上应该存在的处于稳定状态的目标检测框,并将该处于稳定状态的目标检测框作为最终输出的目标检测框。
通过上述实施例中的方案,能够对视频帧中的目标检测框进行稳定的平滑处理。
参见图2,根据本公开实施例的一种具体实现方式,所述基于在新视频帧中检测到的处于初始状态的目标检测框,对处于候选状态和稳定状态的目标检测框执行更新操作,包括:
S201,判断新视频中检测到的处于初始状态的目标检测框与已经存在处于稳定状态的目标视频框是否类别相同且满足预设的重合度。
目标检测框在标识目标对象的同时,会对其对应的目标对象的类别(例如,人物,汽车,建筑物等)进行识别,通过判断初始状态的目标检测框和稳定状态的目标检测框在视频中上的目标区域,可以对二者是否类别相同以及是否满足重合度要求进行判断。
S202,若是,则对所述新视频中检测到的处于初始状态的目标检测框与所述处于稳定状态的目标视频框执行加权平均操作,得到更新后的目标视频框。
加权操作可以根据实际的需要分对处于稳定状态的目标视频框执行,通过设置加权值,能够使得目标视频框在更新之后与检测到的处于初始状态的目标检测框之间的过渡更加的平滑。
S203,在完成加权平均操作之后,对所述新视频中检测到的处于初始状态的目标检测框执行删除操作。
通过上述实施方式,能够实时的对初始状态的目标检测框和稳定状态的目标检测框执行更新和删除操作。
根据本公开实施例的一种具体实现方式,所述基于在新视频帧中检测到的处于初始状态的目标检测框,对处于候选状态和稳定状态的目标检测框执行更新操作,还包括:在新视频帧中检测到的处于初始状态的目标检测框之后,判断处于稳定状态的目标检测框是否在预设时间内没有执行过更新操作;若是,则从稳定状态的目标检测框集合中删除在预设时间内没有执行过更新操作的目标检测框。
参见图3,根据本公开实施例的一种具体实现方式,所述基于在新视频帧中检测到的处于初始状态的目标检测框,对处于候选状态和稳定状态的目标检测框执行更新操作,包括:
S301,判断新视频中检测到的处于初始状态的目标检测框与已经存在处于候选状态的目标视频框是否类别相同且满足预设的重合度。
目标检测框在标识目标对象的同时,会对其对应的目标对象的类别(例如,人物,汽车,建筑物等)进行识别,通过判断初始状态的目标检测框和候选状态的目标检测框在视频中上的目标区域,可以对二者是否类别相同以及是否满足重合度要求进行判断。
S302,若是,则对所述新视频中检测到的处于初始状态的目标检测框与所述处于候选状态的目标视频框执行加权平均操作,得到更新后的目标视频框。
加权操作可以根据实际的需要分对处于稳定状态的目标视频框执行,通过设置加权值,能够使得目标视频框在更新之后与检测到的处于初始状态的目标检测框之间的过渡更加的平滑。
S303,在完成加权平均操作之后,对所述新视频中检测到的处于初始状态的目标检测框执行删除操作。
通过上述实施方式,能够实时的对初始状态的目标检测框和候选状态的目标检测框执行更新和删除操作。
根据本公开实施例的一种具体实现方式,所述基于在新视频帧中检测到的处于初始状态的目标检测框,对处于候选状态和稳定状态的目标检测框执行更新操作,还包括:在新视频帧中检测处于初始状态的目标检测框之后,判断候选状态的目标检测框出现的次数是否超过预设阈值;若是,则将出现次数超过预设阈值的候选状态的目标检测框转移到稳定状态目标检测框集合中。
参见图4,根据本公开实施例的一种具体实现方式,所述基于在新视频帧中检测到的处于初始状态的目标检测框,对处于候选状态和稳定状态的目标检测框执行更新操作,还包括:
S401,在新视频帧中检测到的处于初始状态的目标检测框之后,判断处于候选状态的目标检测框是否在预设时间内没有执行过更新操作;
S402,若是,则从候选状态的目标检测框集合中删除在预设时间内没有执行过更新操作的目标检测框。
根据本公开实施例的一种具体实现方式,所述基于在新视频帧中检测到的处于初始状态的目标检测框,对处于候选状态和稳定状态的目标检测框执行更新操作,还包括:将没有被执行过删除操作的初始状态目标检测框转移到候选状态目标检测框中。
根据本公开实施例的一种具体实现方式,所述对所有获取到的目标检测框按照预设的策略执行初始化操作,使每个目标检测框处于初始状态、候选状态及稳定状态中的一种状态,包括:通过人工标注的方式对所有获取到的目标检测框进行状态标注,使得每个目标检测框处于初始状态、候选状态及稳定状态中的一种状态。
与上面的方法实施例相对应,参见图5,本公开实施例还提供了一种目标检测框处理装置50,包括:
获取模块501,用于获取在多个初始视频帧中检测得到的目标检测框,所述目标检测框用以标识视频帧中检测到的一个或多个目标对象;
执行模块502,用于对所有获取到的目标检测框按照预设的策略执行初始化操作,使每个目标检测框处于初始状态、候选状态及稳定状态中的一种状态;
更新模块503,用于基于在新视频帧中检测到的处于初始状态的目标检测框,对处于候选状态和稳定状态的目标检测框执行更新操作;
确定模块504,用于基于处于候选状态和稳定状态的目标检测框的更新结果,确定所述新视频帧上最终输出的目标检测框。
本实施例未详细描述的部分,参照上述方法实施例中记载的内容,在此不再赘述。
参见图6,本公开实施例还提供了一种电子设备60,该电子设备包括:
至少一个处理器;以及,
与该至少一个处理器通信连接的存储器;其中,
该存储器存储有可被该至少一个处理器执行的指令,该指令被该至少一个处理器执行,以使该至少一个处理器能够执行前述方法实施例中的目标检测框处理方法。
本公开实施例还提供了一种非暂态计算机可读存储介质,该非暂态计算机可读存储介质存储计算机指令,该计算机指令用于使该计算机执行前述方法实施例中的目标检测框处理方法。
本公开实施例还提供了一种计算机程序产品,该计算机程序产品包括存储在非暂态计算机可读存储介质上的计算程序,该计算机程序包括程序指令,当该程序指令被计算机执行时,使该计算机执行前述方法实施例中的的目标检测框处理方法。
下面参考图6,其示出了适于用来实现本公开实施例的电子设备60的结构示意图。本公开实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图6示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图6所示,电子设备60可以包括处理装置(例如中央处理器、图形处理器等)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有电子设备60操作所需的各种程序和数据。处理装置601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
通常,以下装置可以连接至I/O接口605:包括例如触摸屏、触摸板、键盘、鼠标、图像传感器、麦克风、加速度计、陀螺仪等的输入装置606;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607;包括例如磁带、硬盘等的存储装置608;以及通信装置609。通信装置609可以允许电子设备60与其他设备进行无线或有线通信以交换数据。虽然图中示出了具有各种装置的电子设备60,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置609从网络上被下载和安装,或者从存储装置608被安装,或者从ROM602被安装。在该计算机程序被处理装置601执行时,执行本公开实施例的方法中限定的上述功能。
需要说明的是,本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:获取至少两个网际协议地址;向节点评价设备发送包括所述至少两个网际协议地址的节点评价请求,其中,所述节点评价设备从所述至少两个网际协议地址中,选取网际协议地址并返回;接收所述节点评价设备返回的网际协议地址;其中,所获取的网际协议地址指示内容分发网络中的边缘节点。
或者,上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:接收包括至少两个网际协议地址的节点评价请求;从所述至少两个网际协议地址中,选取网际协议地址;返回选取出的网际协议地址;其中,接收到的网际协议地址指示内容分发网络中的边缘节点。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,单元的名称在某种情况下并不构成对该单元本身的限定,例如,第一获取单元还可以被描述为“获取至少两个网际协议地址的单元”。
应当理解,本公开的各部分可以用硬件、软件、固件或它们的组合来实现。
以上所述,仅为本公开的具体实施方式,但本公开的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本公开揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本公开的保护范围之内。因此,本公开的保护范围应以权利要求的保护范围为准。

Claims (11)

1.一种目标检测框处理方法,其特征在于,包括:
获取在多个初始视频帧中检测得到的目标检测框,所述目标检测框用以标识视频帧中检测到的一个或多个目标对象;
对所有获取到的目标检测框按照预设的策略执行初始化操作,使每个目标检测框处于初始状态、候选状态及稳定状态中的一种状态;
基于在新视频帧中检测到的处于初始状态的目标检测框,对处于候选状态和稳定状态的目标检测框执行更新操作;
基于处于候选状态和稳定状态的目标检测框的更新结果,确定所述新视频帧上最终输出的目标检测框。
2.根据权利要求1所述的方法,其特征在于,所述基于在新视频帧中检测到的处于初始状态的目标检测框,对处于候选状态和稳定状态的目标检测框执行更新操作,包括:
判断新视频中检测到的处于初始状态的目标检测框与已经存在处于稳定状态的目标视频框是否类别相同且满足预设的重合度;
若是,则对所述新视频中检测到的处于初始状态的目标检测框与所述处于稳定状态的目标视频框执行加权平均操作,得到更新后的目标视频框;
在完成加权平均操作之后,对所述新视频中检测到的处于初始状态的目标检测框执行删除操作。
3.根据权利要求2所述的方法,其特征在于,所述基于在新视频帧中检测到的处于初始状态的目标检测框,对处于候选状态和稳定状态的目标检测框执行更新操作,还包括:
在新视频帧中检测到的处于初始状态的目标检测框之后,判断处于稳定状态的目标检测框是否在预设时间内没有执行过更新操作;
若是,则从稳定状态的目标检测框集合中删除在预设时间内没有执行过更新操作的目标检测框。
4.根据权利要求1所述的方法,其特征在于,所述基于在新视频帧中检测到的处于初始状态的目标检测框,对处于候选状态和稳定状态的目标检测框执行更新操作,包括:
判断新视频中检测到的处于初始状态的目标检测框与已经存在处于候选状态的目标视频框是否类别相同且满足预设的重合度;
若是,则对所述新视频中检测到的处于初始状态的目标检测框与所述处于候选状态的目标视频框执行加权平均操作,得到更新后的目标视频框;
在完成加权平均操作之后,对所述新视频中检测到的处于初始状态的目标检测框执行删除操作。
5.根据权利要求4所述的方法,其特征在于,所述基于在新视频帧中检测到的处于初始状态的目标检测框,对处于候选状态和稳定状态的目标检测框执行更新操作,还包括:
在新视频帧中检测处于初始状态的目标检测框之后,判断候选状态的目标检测框出现的次数是否超过预设阈值;
若是,则将出现次数超过预设阈值的候选状态的目标检测框转移到稳定状态目标检测框集合中。
6.根据权利要求5所述的方法,其特征在于,所述基于在新视频帧中检测到的处于初始状态的目标检测框,对处于候选状态和稳定状态的目标检测框执行更新操作,还包括:
在新视频帧中检测到的处于初始状态的目标检测框之后,判断处于候选状态的目标检测框是否在预设时间内没有执行过更新操作;
若是,则从候选状态的目标检测框集合中删除在预设时间内没有执行过更新操作的目标检测框。
7.根据权利要求6所述的方法,其特征在于,所述基于在新视频帧中检测到的处于初始状态的目标检测框,对处于候选状态和稳定状态的目标检测框执行更新操作,还包括:
将没有被执行过删除操作的初始状态目标检测框转移到候选状态目标检测框中。
8.根据权利要求1所述的方法,其特征在于,所述对所有获取到的目标检测框按照预设的策略执行初始化操作,使每个目标检测框处于初始状态、候选状态及稳定状态中的一种状态,包括:
通过人工标注的方式对所有获取到的目标检测框进行状态标注,使得每个目标检测框处于初始状态、候选状态及稳定状态中的一种状态。
9.一种目标检测框处理装置,其特征在于,包括:
获取模块,用于获取在多个初始视频帧中检测得到的目标检测框,所述目标检测框用以标识视频帧中检测到的一个或多个目标对象;
执行模块,用于对所有获取到的目标检测框按照预设的策略执行初始化操作,使每个目标检测框处于初始状态、候选状态及稳定状态中的一种状态;
更新模块,用于基于在新视频帧中检测到的处于初始状态的目标检测框,对处于候选状态和稳定状态的目标检测框执行更新操作;
确定模块,用于基于处于候选状态和稳定状态的目标检测框的更新结果,确定所述新视频帧上最终输出的目标检测框。
10.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行前述利要求1-8中任一项所述的目标检测框处理方法。
11.一种非暂态计算机可读存储介质,该非暂态计算机可读存储介质存储计算机指令,该计算机指令用于使该计算机执行前述利要求1-8中任一项所述的目标检测框处理方法。
CN202010374778.4A 2020-05-06 2020-05-06 目标检测框处理方法、装置及电子设备 Active CN111626990B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010374778.4A CN111626990B (zh) 2020-05-06 2020-05-06 目标检测框处理方法、装置及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010374778.4A CN111626990B (zh) 2020-05-06 2020-05-06 目标检测框处理方法、装置及电子设备

Publications (2)

Publication Number Publication Date
CN111626990A true CN111626990A (zh) 2020-09-04
CN111626990B CN111626990B (zh) 2023-05-23

Family

ID=72258928

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010374778.4A Active CN111626990B (zh) 2020-05-06 2020-05-06 目标检测框处理方法、装置及电子设备

Country Status (1)

Country Link
CN (1) CN111626990B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112215163A (zh) * 2020-10-13 2021-01-12 北京中电兴发科技有限公司 一种应用于人脸检测预测框的加权后处理方法
CN113470009A (zh) * 2021-07-26 2021-10-01 浙江大华技术股份有限公司 违规撑伞检测和识别方法、装置、电子设备及存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106097385A (zh) * 2016-05-31 2016-11-09 海信集团有限公司 一种目标跟踪的方法和装置
US20170124415A1 (en) * 2015-11-04 2017-05-04 Nec Laboratories America, Inc. Subcategory-aware convolutional neural networks for object detection
CN108205801A (zh) * 2017-12-27 2018-06-26 中兴通讯股份有限公司 一种支持图像拼接的方法及终端
CN109726683A (zh) * 2018-12-29 2019-05-07 北京市商汤科技开发有限公司 目标对象检测方法和装置、电子设备和存储介质
US20190340785A1 (en) * 2018-05-04 2019-11-07 Apical Limited Image processing for object detection
CN110677585A (zh) * 2019-09-30 2020-01-10 Oppo广东移动通信有限公司 目标检测框的输出方法、装置、终端及存储介质
CN110929560A (zh) * 2019-10-11 2020-03-27 杭州电子科技大学 融合目标检测与跟踪的视频半自动目标标注方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170124415A1 (en) * 2015-11-04 2017-05-04 Nec Laboratories America, Inc. Subcategory-aware convolutional neural networks for object detection
CN106097385A (zh) * 2016-05-31 2016-11-09 海信集团有限公司 一种目标跟踪的方法和装置
CN108205801A (zh) * 2017-12-27 2018-06-26 中兴通讯股份有限公司 一种支持图像拼接的方法及终端
US20190340785A1 (en) * 2018-05-04 2019-11-07 Apical Limited Image processing for object detection
CN109726683A (zh) * 2018-12-29 2019-05-07 北京市商汤科技开发有限公司 目标对象检测方法和装置、电子设备和存储介质
CN110677585A (zh) * 2019-09-30 2020-01-10 Oppo广东移动通信有限公司 目标检测框的输出方法、装置、终端及存储介质
CN110929560A (zh) * 2019-10-11 2020-03-27 杭州电子科技大学 融合目标检测与跟踪的视频半自动目标标注方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112215163A (zh) * 2020-10-13 2021-01-12 北京中电兴发科技有限公司 一种应用于人脸检测预测框的加权后处理方法
CN112215163B (zh) * 2020-10-13 2021-05-25 北京中电兴发科技有限公司 一种应用于人脸检测预测框的加权后处理方法
CN113470009A (zh) * 2021-07-26 2021-10-01 浙江大华技术股份有限公司 违规撑伞检测和识别方法、装置、电子设备及存储介质
CN113470009B (zh) * 2021-07-26 2024-05-14 浙江大华技术股份有限公司 违规撑伞检测和识别方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
CN111626990B (zh) 2023-05-23

Similar Documents

Publication Publication Date Title
CN111222509B (zh) 目标检测方法、装置及电子设备
CN110287810B (zh) 车门动作检测方法、装置和计算机可读存储介质
CN110674349B (zh) 视频poi识别方法、装置及电子设备
CN112232311B (zh) 人脸跟踪方法、装置及电子设备
CN111626990B (zh) 目标检测框处理方法、装置及电子设备
CN111738316A (zh) 零样本学习的图像分类方法、装置及电子设备
CN110069997B (zh) 场景分类方法、装置及电子设备
CN111753114A (zh) 图像预标注方法、装置及电子设备
CN111401229B (zh) 视觉小目标自动标注方法、装置及电子设备
CN111914784B (zh) 轨旁障碍物入侵实时检测方法、装置及电子设备
CN113129366B (zh) 单目slam初始化方法、装置及电子设备
CN110555861B (zh) 光流计算方法、装置及电子设备
CN110378936B (zh) 光流计算方法、装置及电子设备
CN110264430B (zh) 视频美化方法、装置及电子设备
CN111832354A (zh) 目标对象年龄识别方法、装置及电子设备
CN110781809A (zh) 基于注册特征更新的识别方法、装置及电子设备
CN111681267B (zh) 基于图像识别的轨道防侵入方法
CN112036519B (zh) 基于多位sigmoid的分类处理方法、装置及电子设备
CN111738415B (zh) 模型同步更新方法、装置及电子设备
CN111680754B (zh) 图像分类方法、装置、电子设备及计算机可读存储介质
CN111738311A (zh) 面向多任务的特征提取方法、装置及电子设备
CN110263852B (zh) 数据处理方法、装置及电子设备
CN110390291B (zh) 数据处理方法、装置及电子设备
CN112416989A (zh) 互联网演艺经纪人平台的管理方法、装置及电子设备
CN111292329B (zh) 视频分割网络的训练方法、装置及电子设备

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
GR01 Patent grant
GR01 Patent grant