CN112784650A - 一种提升目标检测效率的方法 - Google Patents
一种提升目标检测效率的方法 Download PDFInfo
- Publication number
- CN112784650A CN112784650A CN201911093262.6A CN201911093262A CN112784650A CN 112784650 A CN112784650 A CN 112784650A CN 201911093262 A CN201911093262 A CN 201911093262A CN 112784650 A CN112784650 A CN 112784650A
- Authority
- CN
- China
- Prior art keywords
- target
- detection
- frame
- small
- coordinate
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 77
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000005192 partition Methods 0.000 claims 1
- 230000000903 blocking effect Effects 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种提升目标检测效率的方法,包括以下步骤:S1,初始化的分块信息,分为N小块,N为大于1的正整数,初始设置i=0;S2,输入视频帧;S3,对于当前检测帧,按第i块坐标截取出这一小块作为新的检测图像;S4,对步骤S3中所述新的检测图像进行目标检测,检测出来的目标相对于原始分辨率进行坐标还原,并保存该坐标;S5,当前检测结果和之前帧保留的所有检测结果进行重合度IOU计算,并输出结果;S6,判断i是否大于等于N,如果是则i置0,否则i=i+1;S7,继续下一帧的检测,重复步骤S3—S5,直至所有帧检测完毕。
Description
技术领域
本发明涉及识别技术领域,特别涉及一种提升目标检测效率的方法。
背景技术
随着科技的不断发展,特别是计算机视觉技术的发展,检测识别技术广泛应用于信息安全、电子认证等各个领域,图像特征提取方法具有良好的识别性能。目前的检测领域,常用的技术术语包括:
1.目标检测:指在一帧输入图像中找到所需的目标物体,并给出其相应坐标的过程,比如人脸检测,人形检测,车牌检测等等,这里都适用;
2.检测效率:指从输入检测图片到给出最终结果所需要的时间,时间越短,效率越高。
其中,现有的目标检测算法,包括Adboost+haar,Adboost+hog等浅层学习进行目标检测算法以及RCNN,YOLO,fasterRCNN等深度学习目标检测算法。
但是,一般的目标检测每次都针对全帧检测,效率低下,且相对于静止的目标,每帧都需要过一遍流程,耗费的资源多,导致cpu占用率也高。
发明内容
为了解决上述问题,本发明的目的在于:在不影响目标检测精确度的前提下,提升目标检测的效率,降低cpu占用率。
具体地,本发明提供一种提升目标检测效率的方法,包括以下步骤:
S1,初始化分块信息,分为N小块,N为大于1的正整数,初始设置i=0;
S2,输入视频帧;
S3,对于当前检测帧,按第i块坐标截取出这一小块作为新的检测图像;
S4,对步骤S3中所述新的检测图像进行目标检测,检测出来的目标相对于原始分辨率进行坐标还原,并保存该坐标;
S5,当前检测结果和之前帧保留的所有检测结果进行重合度IOU计算,并输出结果;
S6,判断i是否大于等于N,如果是则i置0,否则i=i+1;
S7,继续下一帧的检测,重复步骤S3—S6,直至所有帧检测完毕。
由此,本申请的优势在于:在不影响目标检测精确度的前提下,提升目标检测的效率,降低cpu占用率。通过每帧只取一小块进行目标检测,其他帧采用目标验证的方式,既提升了效率,又保证了精度。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,并不构成对本发明的限定。
图1是本发明涉及的方法的流程示意框图。
图2是本发明的方法的具体实施例的流程图。
具体实施方式
为了能够更清楚地理解本发明的技术内容及优点,现结合附图对本发明进行进一步的详细说明。
如图1所示,本发明涉及一种提升目标检测效率的方法,包括以下步骤:
S1,初始化分块信息,分为N小块,N为大于1的正整数,初始设置i=0;
S2,输入视频帧;
S3,对于当前检测帧,按第i块坐标截取出这一小块作为新的检测图像;
S4,对步骤S3中所述新的检测图像进行目标检测,检测出来的目标相对于原始分辨率进行坐标还原,并保存该坐标;
S5,当前检测结果和之前帧保留的所有检测结果进行重合度IOU计算,并输出结果;
S6,判断i是否大于等于N,如果是则i置0,否则i=i+1;
S7,继续下一帧的检测,重复步骤S3—S6,直至所有帧检测完毕。
所述的步骤S5进一步包括:
Sa,按以下公式进行重合度IOU计算:
rectM=rectA&rectB
IOU1=rectM.area()/rectA.area()
IOU2=rectM.area()/rectB.area();
Sb,判断:
如果IOU1〉0.5或IOU2〉0.5,则认为是同一目标,用当前检测结果作位置更新并输出;
否则认为该检测目标是新目标,保存并输出;
Sc,当前帧所有结果输出。
所述的步骤Sb和Sc之间还可以包含以下步骤:
如果之前帧的某一保存值不和任一检测结果的IOU〉0.5,则对该目标小幅度扩充进行验证,相当于小目标框走一遍目标检测流程,如果通过则表示目标存在,输出结果,不通过则表示目标消失或大幅移动,进行清除。
所述步骤S4中的目标检测采用事先给定的目标检测方法,由于目标检测的方法/算法已存在大量的现有技术,本申请的发明可以采用任一种适合的现有方法/算法,因此具体的方法将不再此累述。
所述的步骤S1中初始化时给出所有的分块信息,包括每块的左上角以及宽/高信息。
所述的分块信息针对原分辨率。
所述的分块与分块之间有一定的交叉。
如图2所示,本发明一种提升目标检测效率的方法的具体实施例,具体流程如下:
1.初始化的时候给出所有的分块信息(针对原分辨率),包括每块的左上角以及宽/高信息,注意块与块之间有一定的交叉,以防在临界位置导致的漏检,这里假设共分了N块,此时i=0;
2.对于当前检测帧,按第i块坐标截取出这一小块作为新的检测图像;
3.按所给的目标检测方法对2中新的检测图像进行目标检测,检测出来的目标相对于原始分辨率进行坐标还原,并保存该坐标;
4.当前检测结果和之前帧保留的所有检测结果进行重合度IOU计算,具体公式如下:
rectM=rectA&rectB
IOU1=rectM.area()/rectA.area()
IOU2=rectM.area()/rectB.area()
如果IOU1〉0.5或IOU2〉0.5,则认为是同一目标,用当前检测结果作位置更新并输出;否则认为该检测目标是新目标,保存并输出;如果之前帧的某一保存值不和任一检测结果的IOU〉0.5,则对该目标小幅度扩充(这一步是为了避免目标移动导致结果误差)进行验证,相当于小目标框走一遍目标检测流程,如果通过则表示目标存在,输出结果,不通过则表示目标消失或大幅移动,清除;当前帧所有结果输出;
5.判断i是否大于等于N,如果是则i置0,否则i=i+1;
6.继续下一帧的检测,重复步骤2—5,直至所有帧检测完毕。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明实施例可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种提升目标检测效率的方法,其特征在于,包括以下步骤:
S1,初始化分块信息,分为N小块,N为大于1的正整数,初始设置i=0;
S2,输入视频帧;
S3,对于当前检测帧,按第i块坐标截取出这一小块作为新的检测图像;
S4,对步骤S3中所述新的检测图像进行目标检测,检测出来的目标相对于原始分辨率进行坐标还原,并保存该坐标;
S5,当前检测结果和之前帧保留的所有检测结果进行重合度IOU计算,并输出结果;
S6,判断i是否大于等于N,如果是则i置0,否则i=i+1;
S7,继续下一帧的检测,重复步骤S3—S6,直至所有帧检测完毕。
2.根据权利要求1所述的一种提升目标检测效率的方法,其特征在于,所述的步骤S5进一步包括:
Sa,按以下公式进行重合度IOU计算:
rectM=rectA&rectB
IOU1=rectM.area()/rectA.area()
IOU2=rectM.area()/rectB.area();
Sb,判断:
如果IOU1〉0.5或IOU2〉0.5,则认为是同一目标,用当前检测结果作位置更新并输出;
否则认为该检测目标是新目标,保存并输出;
Sc,当前帧所有结果输出。
3.根据权利要求2所述的一种提升目标检测效率的方法,其特征在于,所述的步骤Sb和Sc之间还可以包含以下步骤:
如果之前帧的某一保存值不和任一检测结果的IOU〉0.5,则对该目标小幅度扩充进行验证,相当于小目标框走一遍目标检测流程,如果通过则表示目标存在,输出结果,不通过则表示目标消失或大幅移动,进行清除。
4.根据权利要求1所述的一种提升目标检测效率的方法,其特征在于,所述的步骤S4中的目标检测采用事先给定的目标检测方法。
5.根据权利要求1所述的一种提升目标检测效率的方法,其特征在于,所述的步骤S1中初始化时给出所有的分块信息,包括每块的左上角以及宽/高信息。
6.根据权利要求5所述的一种提升目标检测效率的方法,其特征在于,所述的分块信息针对原分辨率。
7.根据权利要求5所述的一种提升目标检测效率的方法,其特征在于,所述的分块与分块之间有交叉。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911093262.6A CN112784650A (zh) | 2019-11-11 | 2019-11-11 | 一种提升目标检测效率的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911093262.6A CN112784650A (zh) | 2019-11-11 | 2019-11-11 | 一种提升目标检测效率的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112784650A true CN112784650A (zh) | 2021-05-11 |
Family
ID=75749611
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911093262.6A Pending CN112784650A (zh) | 2019-11-11 | 2019-11-11 | 一种提升目标检测效率的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112784650A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014134442A (ja) * | 2013-01-10 | 2014-07-24 | Mitsubishi Electric Corp | 赤外線目標検出装置 |
CN105512627A (zh) * | 2015-12-03 | 2016-04-20 | 腾讯科技(深圳)有限公司 | 一种关键点的定位方法及终端 |
CN106485215A (zh) * | 2016-09-29 | 2017-03-08 | 西交利物浦大学 | 基于深度卷积神经网络的人脸遮挡检测方法 |
EP3242239A1 (en) * | 2016-05-02 | 2017-11-08 | Scantrust SA | Optimized authentication of graphic authentication code |
CN109815868A (zh) * | 2019-01-15 | 2019-05-28 | 腾讯科技(深圳)有限公司 | 一种图像目标检测方法、装置及存储介质 |
CN110008833A (zh) * | 2019-02-27 | 2019-07-12 | 中国科学院半导体研究所 | 基于光学遥感图像的目标船只检测方法 |
CN112784651A (zh) * | 2019-11-11 | 2021-05-11 | 北京君正集成电路股份有限公司 | 一种实现高效目标检测的系统 |
CN112784244A (zh) * | 2019-11-11 | 2021-05-11 | 北京君正集成电路股份有限公司 | 一种利用目标验证提高目标检测整体效率的方法 |
-
2019
- 2019-11-11 CN CN201911093262.6A patent/CN112784650A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014134442A (ja) * | 2013-01-10 | 2014-07-24 | Mitsubishi Electric Corp | 赤外線目標検出装置 |
CN105512627A (zh) * | 2015-12-03 | 2016-04-20 | 腾讯科技(深圳)有限公司 | 一种关键点的定位方法及终端 |
EP3242239A1 (en) * | 2016-05-02 | 2017-11-08 | Scantrust SA | Optimized authentication of graphic authentication code |
CN106485215A (zh) * | 2016-09-29 | 2017-03-08 | 西交利物浦大学 | 基于深度卷积神经网络的人脸遮挡检测方法 |
CN109815868A (zh) * | 2019-01-15 | 2019-05-28 | 腾讯科技(深圳)有限公司 | 一种图像目标检测方法、装置及存储介质 |
CN110008833A (zh) * | 2019-02-27 | 2019-07-12 | 中国科学院半导体研究所 | 基于光学遥感图像的目标船只检测方法 |
CN112784651A (zh) * | 2019-11-11 | 2021-05-11 | 北京君正集成电路股份有限公司 | 一种实现高效目标检测的系统 |
CN112784244A (zh) * | 2019-11-11 | 2021-05-11 | 北京君正集成电路股份有限公司 | 一种利用目标验证提高目标检测整体效率的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112488064B (zh) | 一种人脸追踪方法、系统、终端及存储介质 | |
EP3680808A1 (en) | Augmented reality scene processing method and apparatus, and computer storage medium | |
US9122954B2 (en) | Performing a histogram using an array of addressable registers | |
CN111445501B (zh) | 多目标跟踪方法、装置和存储介质 | |
US7720307B2 (en) | Image matching method, program, and image matching system | |
CN111435438A (zh) | 适于增强现实、虚拟现实和机器人的图形基准标记识别 | |
EP1742169B1 (en) | Tracking apparatus | |
US20150169956A1 (en) | Object tracking method and device | |
CN111145214A (zh) | 目标跟踪方法、装置、终端设备及介质 | |
JPH10208056A (ja) | 直線検出方法 | |
US20170364738A1 (en) | Method and apparatus for detecting glasses in a face image | |
US9111165B2 (en) | Method and system for filtering detection patterns in a QR code | |
EP3239933A1 (en) | Authoring device and authoring method | |
CN105426887A (zh) | 一种文本图像校正的方法及装置 | |
CN111783665A (zh) | 一种动作识别方法、装置、存储介质和电子设备 | |
Suzuki et al. | Multiple-clue face detection algorithm using edge-based feature vectors | |
KR20170095632A (ko) | 얼굴인식방법 | |
US11250269B2 (en) | Recognition method and apparatus for false detection of an abandoned object and image processing device | |
CN112784651A (zh) | 一种实现高效目标检测的系统 | |
CN112784244A (zh) | 一种利用目标验证提高目标检测整体效率的方法 | |
JP2018092354A (ja) | 物体検出装置および物体検出方法 | |
CN111108515B (zh) | 图片目标点纠正方法、装置设备及存储介质 | |
CN112784650A (zh) | 一种提升目标检测效率的方法 | |
CN112036232A (zh) | 一种图像表格结构识别方法、系统、终端以及存储介质 | |
Pan et al. | An efficient method for skew correction of license plate |
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 |