CN112801070B - 一种目标检测方法、装置、设备及存储介质 - Google Patents

Abstract

本发明公开了一种目标检测方法、装置、设备及存储介质。该方法包括：获取目标检测图像，根据至少两个待检测角度对所述目标检测图像进行目标检测，得到对应的检测结果集；对各所述检测结果集中的目标检测结果进行匹配，得到候选目标集；确定所述候选目标集中各候选目标的一致性得分；将一致性得分高于预设一致性阈值的候选目标确定为最终检测目标。本发明解决了现有的目标检测模型没有针对去除假阳结果的有效方法，一些模型的融合还可能导致更多假阳结果的问题，实现了准确检测图像中的目标物体，有效去除了由于图像检测角度不一致识别出的假阳目标。

Description

一种目标检测方法、装置、设备及存储介质

技术领域

本发明实施例涉及图像处理技术，尤其涉及一种目标检测方法、装置、设备及存储介质。

背景技术

随着科技的不断发展，人们对图像处理的需求量不断加大，应用的方面也更加广泛。其中，目标检测是图像处理的重要组成部分。

现有的目标检测模型在实际使用过程中，当同一图片的输入角度改变时，模型的输出结果可能也会发生变化，导致对同一图片不同角度的检测结果不一致。对于一张包含目标的图片，出现不同检测结果的原因可能是因为模型对不同角度下同一目标的识别能力有差异，导致某个角度下识别到而另一角度下识别不到。对于一张不包含目标的纯背景图片，出现不同检测结果的原因可能是因为模型对不同角度下同一个非目标区域的识别能力有差异，导致某个角度下正确识别为非目标区域，而另一角度下错误识别为目标区域，即假阳目标。对于模型测试结果中的假阳目标，如何准确识别并去除是提高模型检测准确率亟需解决的问题。

发明内容

本发明提供一种目标检测方法、装置、设备及存储介质，以实现准确检测图像中的目标物体，去除由于图像检测角度不一致识别出的假阳目标。

第一方面，本发明实施例提供了一种目标检测方法，包括：

获取目标检测图像，根据至少两个待检测角度对所述目标检测图像进行目标检测，得到对应的检测结果集；

对各所述检测结果集中的目标检测结果进行筛选，得到候选目标集；

确定所述候选目标集中各候选目标的一致性得分；

将一致性得分高于预设一致性阈值的候选目标确定为最终检测目标。

可选的，所述根据至少两个待检测角度对所述目标检测图像进行目标检测，得到对应的检测结果集，包括：

获取至少两个待检测角度，根据各所述待检测角度旋转所述目标检测图像，得到对应的待检测图像；

分别对每个待检测图像进行目标检测，将检测到的目标检测结果添加至对应待检测图像的检测结果集中。

可选的，目标检测结果包括目标位置、目标类别和目标置信度。

可选的，所述对各所述检测结果集中的目标检测结果进行筛选，得到候选目标集，包括：

将所有目标检测结果按照目标类别进行划分，分别形成各类别对应的类别目标集；

针对每个类别目标集，采用非极大值抑制法从所述类别目标集中筛选出候选目标；

将所有候选目标都添加至候选目标集。

可选的，所述针对每个类别目标集，采用非极大值抑制法从所述类别目标集中筛选出候选目标，包括：

在所述类别目标集中，选取目标置信度最高的目标检测结果作为标准目标，其余各目标检测结果作为对比目标；

分别确定各所述对比目标与所述标准目标的交并比，所述交并比根据所述标准目标的目标位置和所述对比目标的目标位置确定；

将所述交并比大于预设交并比阈值的对比目标确定为非候选目标，并从所述类别目标集中删除；

确定所述标准目标为候选目标，并将各所述对比目标中目标置信度最高的对比目标确定为下一个标准目标，返回进行非候选目标的删除操作，直至所述类别目标集中的目标检测结果均确定为候选目标或非候选目标。

可选的，所述确定所述候选目标集中各候选目标的一致性得分，包括：

确定各所述目标检测结果匹配的候选目标，将与所述候选目标匹配的目标检测结果的个数作为所述候选目标的目标匹配个数；

获取所述检测结果集的集合个数，将所述目标匹配个数与所述集合个数之比作为所述候选目标的一致性得分。

可选的，所述确定各所述目标检测结果匹配的候选目标，包括：

针对每个目标检测结果，将与所述目标检测结果的目标类别一致的候选目标作为类别候选目标；

分别确定所述目标检测结果与各所述类别候选目标的交并比，将所述交并比最大的类别候选目标与所述目标检测结果建立匹配关系。

第二方面，本发明实施例还提供了一种目标检测装置，该装置包括：

检测结果集确定模块，用于获取目标检测图像，根据至少两个待检测角度对所述目标检测图像进行目标检测，得到对应的检测结果集；

候选目标集确定模块，用于对各所述检测结果集中的目标检测结果进行筛选，得到候选目标集；

一致性得分确定模块，用于确定所述候选目标集中各候选目标的一致性得分；

最终检测目标确定模块，用于将一致性得分高于预设一致性阈值的候选目标确定为最终检测目标。

第三方面，本发明实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如本发明任意实施例所述的目标检测方法。

第四方面，本发明实施例还提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如本发明任意实施例所述的目标检测方法。

本发明通过获取目标检测图像，根据至少两个待检测角度对目标检测图像进行目标检测，得到对应的检测结果集；对各检测结果集中的目标检测结果进行筛选，得到候选目标集；确定候选目标集中各候选目标的一致性得分；将一致性得分高于预设一致性阈值的候选目标确定为最终检测目标，解决了同一图像由于检测角度不一致导致的检测结果不一致的问题，通过对同一图像不同检测角度对应的检测结果进行融合筛选，实现了准确检测图像中的目标物体，合理准确去除假阳检测目标的效果。

附图说明

图1是本发明实施例一提供的一种目标检测方法的流程图；

图2是本发明实施例二提供的一种目标检测方法的流程图；

图3是本发明实施例三提供的一种目标检测装置的结构框图；

图4是本发明实施例四提供的一种计算机设备的结构框图。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构，此外，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。

实施例一

图1为本发明实施例一提供的一种目标检测方法的流程图，本实施例可适用于检测图像中目标物体的情况，该方法可以由目标检测装置来执行，该装置可以通过软件和/或硬件实现。

如图1所示，该方法具体包括如下步骤：

步骤110、获取目标检测图像，根据至少两个待检测角度对目标检测图像进行目标检测，得到对应的检测结果集。

其中，目标检测图像可以理解为需要进行目标检测的图像。待检测角度可以理解为目标检测图像输入目标检测模型的旋转角度值。检测结果集可以理解为运用目标检测模型对目标检测图像进行检测后，检测出的目标物体的集合。

具体的，在获取需要进行目标检测的目标检测图像后，可以分别根据预设的待检测角度将目标检测图像输入目标检测模型中进行目标检测，待检测角度可以根据不同的目标检测图像以及不同的检测目标进行调整，如0°、90°、180°、270°等任意角度。针对每一个待检测角度，可以将目标检测模型进行目标检测后得到的目标检测结果划分成一个检测结果集，不同的待检测角度就对应不同的检测结果集。

步骤120、对各检测结果集中的目标检测结果进行筛选，得到候选目标集。

其中，候选目标集可以理解为包含目标检测模型检测出的所有目标物体的集合，相当于包含所有检测结果集中的目标检测结果对应的目标物体。

具体的，由于不同的待检测角度对应的目标检测结果可能不同，如将目标检测图像以某一个待检测角度输入目标检测模型时，目标检测模型识别到了一些目标物体，而对于另一个不同的待检测角度，则可能未识别到这些目标物体或识别到了另一些目标物体。因此，可以先将各个检测结果集的目标检测结果进行筛选，将检测到的不同的目标物体作为候选目标添加至候选目标集，进行进一步的分析，判断各候选目标是否是目标检测图像中真实存在的目标。可以理解的是，在进行目标检测结果的筛选时，如果几个检测结果集中都存在同一目标物体对应的目标检测结果，那么只添加对应一个候选目标至候选目标集即可。可选的，当两个目标检测结果的目标类别和目标位置均匹配时，可以认为这两个目标检测结果对应的是同一个目标物体，目标类别匹配可以指目标类别一致，目标位置匹配并非指两个目标位置一模一样，而是目标位置的重叠度较高，例如两个目标位置的交并比大于一定预设值。

步骤130、确定候选目标集中各候选目标的一致性得分。

具体的，针对候选目标集中的每个候选目标，如果有较多个待检测角度的检测结果集中都检测到了该目标，说明其一致性好；如果有较少个待检测角度的检测结果集中检测到了该目标，说明其一致性较差。在本实施例中，可以通过计算该候选目标在各检测结果集中对应的目标检测结果的个数确定其一致性得分，对应的目标检测结果个数越多，一致性得分越高，反之越低。

步骤140、将一致性得分高于预设一致性阈值的候选目标确定为最终检测目标。

具体的，当候选目标的一致性得分较高，大于预设一致性阈值时，可以认为有足够多个待检测角度都可以检测到该目标，因此可以认为该候选目标在目标检测图像中真实存在，确认该候选目标为最终检测目标即可。如果某候选目标的一致性得分不高于预设一致性阈值，则该候选目标可能是假阳检测结果，可以将其去除，或者进行检测提示，转为人工判断。

本实施例的技术方案，通过获取目标检测图像，根据至少两个待检测角度对目标检测图像进行目标检测，得到对应的检测结果集；对各检测结果集中的目标检测结果进行筛选，得到候选目标集；确定候选目标集中各候选目标的一致性得分；将一致性得分高于预设一致性阈值的候选目标确定为最终检测目标，解决了同一图像由于检测角度不一致导致的检测结果不一致的问题，通过对同一图像不同检测角度对应的检测结果进行融合筛选，实现了准确检测图像中的目标物体，合理准确去除假阳检测目标的效果。

实施例二

图2为本发明实施例二提供的一种目标检测方法的流程图。本实施例在上述实施例的基础上，进一步优化了上述目标检测方法。

在运用本实施例的目标检测方法前，可以通过对比实验确定合理的一致性阈值。

示例性的，可以获取一定数量的测试图像，如包含违禁品目标的图像以及不包含违禁品的图像。可以对测试图像进行标注，将包含违禁品目标的图像划分至前景测试集，将不包含违禁品目标的图像划分至背景测试集。由于本实施例提供的目标检测方法对目标检测模型没有限制，因此可以任意选择一个适用的目标检测模型即可，可以将选取的目标检测模型称为基线模型。分别将前景测试集和背景测试集中的测试图像输入基线模型中进行目标检测。表1是基线模型对前景测试集和背景测试集进行目标检测后得到的假阳结果统计表。

表1 基线模型的假阳结果统计表

将前景测试集和背景测试集中的每一张图像都分别旋转4个角度，输入基准模型进行目标检测，得到4个角度的前景测试集和背景测试集的检测结果。通过对检测结果的分析，可以计算得到各个目标类别的目标一致性得分。表2是前景测试集的目标一致性得分统计表。表3是背景测试集的目标一致性得分统计表。

表2 前景测试集的目标一致性得分统计

表3 背景测试集的目标一致性得分统计

通过对上述结果的对比，可以看出，前景测试集中的目标一致性得分普遍较高，背景测试集中的目标一致性得分则相对较低，也就是说，假阳目标的一致性得分相对较低。

如图2所示，本实施例的目标检测方法具体包括：

步骤210、获取目标检测图像。

步骤220、获取至少两个待检测角度，根据各待检测角度旋转目标检测图像，得到对应的待检测图像。

其中，待检测图像可以理解为目标检测模型的输入数据。

具体的，当获取到原始的目标检测图像时，可以同时获取多个预设的待检测角度，将目标检测图像分别根据各待检测角度进行旋转，将旋转后的图像记为待检测图像。如待检测角度分别为0°、90°、180°和270°，那么将一张目标检测图像分别旋转0°、90°、180°以及270°，就得到了四张待检测图像。

步骤230、分别对每个待检测图像进行目标检测，将检测到的目标检测结果添加至对应待检测图像的检测结果集中。

其中，目标检测结果可以包括目标位置、目标类别和目标置信度。

具体的，一张待检测图像中可能存在多个目标物体，因此可以将每一张待检测图像的目标检测结果都形成一个检测结果集。

步骤240、将所有目标检测结果按照目标类别进行划分，分别形成各类别对应的类别目标集。

具体的，可以根据每个目标检测结果的目标类别，将目标检测结果添加至相应的类别目标集中。例如，一个检测结果集中有三个目标检测结果，分别是目标检测结果1、目标检测结果2和目标检测结果3，目标检测结果1的目标类别是类别1，目标检测结果2的目标类别是类别2，目标检测结果3的目标类别是类别1，那么就将目标检测结果1和目标检测结果3添加至类别1对应的类别目标集中，将目标检测结果2添加至类别2对应的类别目标集中。先将目标检测结果根据目标类别进行划分，可以在筛选候选目标时只考虑目标位置和目标置信度两个因素，从而简化筛选流程，提高筛选效率。

步骤250、针对每个类别目标集，采用非极大值抑制法从类别目标集中筛选出候选目标。

具体的，由于类别目标集中的目标检测结果来自多个检测结果集，也就是说存在多个目标检测结果对应一个目标物体的情况，因此在对目标检测结果的准确性进行分析之前，需要确定一共检测出哪些目标物体。可以将检测出的每个目标物体的其中一个目标检测结果作为候选目标即可，在筛选候选目标时，可以采用非极大值抑制法，选取目标置信度高的目标检测结果作为候选目标。

可选的，步骤250具体可以通过以下步骤实现：

S1、在类别目标集中，选取目标置信度最高的目标检测结果作为标准目标，其余各目标检测结果作为对比目标。

S2、分别确定各对比目标与标准目标的交并比。

其中，交并比根据标准目标的目标位置和对比目标的目标位置确定。

S3、将交并比大于预设交并比阈值的对比目标确定为非候选目标，并从类别目标集中删除。

其中，交并比阈值可以根据具体场景进行调整设置。

具体的，当对比目标与标准目标的交并比大于预设交并比阈值时，可以认为对比目标与标准目标是同一目标物体的两个目标检测结果，而在标准目标的目标置信度比对比目标的目标置信度高，因此保留标准目标，将对比目标作为非候选目标从类别目标集中删除。在本实施例中，交并比阈值可以选取0.5，即对比目标与标准目标的交并比大于0.5时，认为对比目标与标准目标表示同一目标物体。

S4、确定标准目标为候选目标，并将各对比目标中目标置信度最高的对比目标确定为下一个标准目标，返回进行非候选目标的删除操作，直至类别目标集中的目标检测结果均确定为候选目标或非候选目标。

具体的，将与标准目标表示同一目标物体的对比目标删除后，就可以将该标准目标确定为候选目标，重新选取下一个标准目标，并返回执行步骤S2-S4进行非候选目标的删除操作以及下一个候选目标的确定操作了。在选取下一个标准目标时，是在类别目标集中除了候选目标外的目标检测结果中选取，也就是在上一轮剩余的对比目标中选取，与选取第一个标准目标类似，选取目标置信度最高的对比目标即可。不断重复步骤S2-S4，直至类别目标集中的目标检测结果均被确定为候选目标或非候选目标。

步骤260、将所有候选目标都添加至候选目标集。

步骤270、确定各目标检测结果匹配的候选目标，将与候选目标匹配的目标检测结果的个数作为候选目标的目标匹配个数。

具体的，候选目标的一致性得分可以理解为该候选目标被检测到的几率，可以用该候选目标在多次目标检测中被检测到的概率表示，因此需要先确定在所有目标检测结果中有哪些目标检测结果与该候选目标表示的是同一目标物体。可以将各目标检测结果与各候选目标进行匹配，统计每个候选目标匹配的目标检测结果的个数，将目标检测结果的个数作为候选目标的目标匹配个数。

在本实施例中，确定各目标检测结果匹配的候选目标可以通过以下方法实现：针对每个目标检测结果，将与目标检测结果的目标类别一致的候选目标作为类别候选目标；分别确定目标检测结果与各类别候选目标的交并比，将交并比最大的类别候选目标与目标检测结果建立匹配关系。

步骤280、获取检测结果集的集合个数，将目标匹配个数与集合个数之比作为候选目标的一致性得分。

具体的，检测结果集的集合个数也就是待检测角度的数量，也可以理解为一个候选目标对应的目标检测结果的最高个数，目标匹配个数则为候选目标被检测到的次数。可以将目标匹配个数与集合个数之比作为候选目标的一致性得分，当一个候选目标的目标匹配个数越多，说明该候选目标被检测到的次数越多，该候选目标的一致性得分就越高。

步骤290、将一致性得分高于预设一致性阈值的候选目标确定为最终检测目标。

具体的，当候选目标的一致性得分较高，大于预设一致性阈值时，可以认为有足够多个待检测角度都可以检测到该目标，因此可以认为该候选目标在目标检测图像中真实存在，确认该候选目标为最终检测目标即可。当一个候选目标的一致性得分不高于预设一致性阈值时，则该候选目标可能是假阳检测结果，可以将其去除，或者进行检测提示，转为人工判断。

通过使用本实施例提供的目标检测方法对上述示例中的前景测试集和背景测试集再次进行目标检测，得到如表4所示的假阳结果统计表。

表4 本实施例提供的目标检测方法的假阳结果统计表

通过表1与表4中的数据对比，可以看到本实施例提供的目标检测方法对于各种目标类别的假阳检测结果都有明显的去除效果。

本实施例的技术方案，通过获取目标检测图像，根据各待检测角度旋转目标检测图像，得到对应的待检测图像，分别对每个待检测图像进行目标检测，得到对应的检测结果集；对各检测结果集中的目标检测结果进行筛选，得到候选目标集；确定候选目标集中各候选目标的一致性得分；将一致性得分高于预设一致性阈值的候选目标确定为最终检测目标，解决了同一图像由于检测角度不一致导致的检测结果不一致的问题，通过对同一图像不同检测角度对应的检测结果进行融合筛选，实现了准确检测图像中的目标物体，合理准确去除假阳检测目标的效果。

实施例三

本发明实施例所提供的目标检测装置可执行本发明任意实施例所提供的目标检测方法，具备执行方法相应的功能模块和有益效果。图3是本发明实施例三提供的一种目标检测装置的结构框图，如图3所示，该装置包括：检测结果集确定模块310、候选目标集确定模块320、一致性得分确定模块330和最终检测目标确定模块340。

检测结果集确定模块310，用于获取目标检测图像，根据至少两个待检测角度对所述目标检测图像进行目标检测，得到对应的检测结果集。

候选目标集确定模块320，用于对各所述检测结果集中的目标检测结果进行筛选，得到候选目标集。

一致性得分确定模块330，用于确定所述候选目标集中各候选目标的一致性得分。

最终检测目标确定模块340，用于将一致性得分高于预设一致性阈值的候选目标确定为最终检测目标。

本实施例的技术方案，通过获取目标检测图像，根据至少两个待检测角度对目标检测图像进行目标检测，得到对应的检测结果集；对各检测结果集中的目标检测结果进行筛选，得到候选目标集；确定候选目标集中各候选目标的一致性得分；将一致性得分高于预设一致性阈值的候选目标确定为最终检测目标，解决了同一图像由于检测角度不一致导致的检测结果不一致的问题，通过对同一图像不同检测角度对应的检测结果进行融合筛选，实现了准确检测图像中的目标物体，合理准确去除假阳检测目标的效果。

可选的，所述检测结果集确定模块310，具体用于：

获取至少两个待检测角度，根据各所述待检测角度旋转所述目标检测图像，得到对应的待检测图像；

分别对每个待检测图像进行目标检测，将检测到的目标检测结果添加至对应待检测图像的检测结果集中。

可选的，目标检测结果包括目标位置、目标类别和目标置信度。

可选的，所述候选目标集确定模块320，包括：

类别目标集划分单元，用于将所有目标检测结果按照目标类别进行划分，分别形成各类别对应的类别目标集；

候选目标筛选单元，用于针对每个类别目标集，采用非极大值抑制法从所述类别目标集中筛选出候选目标；

候选目标集确定单元，用于将所有候选目标都添加至候选目标集。

可选的，所述候选目标筛选单元，具体用于：

在所述类别目标集中，选取目标置信度最高的目标检测结果作为标准目标，其余各目标检测结果作为对比目标；

分别确定各所述对比目标与所述标准目标的交并比，所述交并比根据所述标准目标的目标位置和所述对比目标的目标位置确定；

将所述交并比大于预设交并比阈值的对比目标确定为非候选目标，并从所述类别目标集中删除；

确定所述标准目标为候选目标，并将各所述对比目标中目标置信度最高的对比目标确定为下一个标准目标，返回进行非候选目标的删除操作，直至所述类别目标集中的目标检测结果均确定为候选目标或非候选目标。

可选的，所述一致性得分确定模块330，包括：

目标匹配个数确定单元，用于确定各所述目标检测结果匹配的候选目标，将与所述候选目标匹配的目标检测结果的个数作为所述候选目标的目标匹配个数；

一致性得分确定单元，用于获取所述检测结果集的集合个数，将所述目标匹配个数与所述集合个数之比作为所述候选目标的一致性得分。

可选的，所述确定各所述目标检测结果匹配的候选目标，包括：

针对每个目标检测结果，将与所述目标检测结果的目标类别一致的候选目标作为类别候选目标；

分别确定所述目标检测结果与各所述类别候选目标的交并比，将所述交并比最大的类别候选目标与所述目标检测结果建立匹配关系。

本实施例的技术方案，通过获取目标检测图像，根据各待检测角度旋转目标检测图像，得到对应的待检测图像，分别对每个待检测图像进行目标检测，得到对应的检测结果集；对各检测结果集中的目标检测结果进行筛选，得到候选目标集；确定候选目标集中各候选目标的一致性得分；将一致性得分高于预设一致性阈值的候选目标确定为最终检测目标，解决了同一图像由于检测角度不一致导致的检测结果不一致的问题，通过对同一图像不同检测角度对应的检测结果进行融合筛选，实现了准确检测图像中的目标物体，合理准确去除假阳检测目标的效果。

实施例四

图4为本发明实施例四提供的一种计算机设备的结构框图，如图4所示，该计算机设备包括处理器410、存储器420、输入装置430和输出装置440；计算机设备中处理器410的数量可以是一个或多个，图4中以一个处理器410为例；计算机设备中的处理器410、存储器420、输入装置430和输出装置440可以通过总线或其他方式连接，图4中以通过总线连接为例。

存储器420作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的目标检测方法对应的程序指令/模块（例如，目标检测装置中的检测结果集确定模块310、候选目标集确定模块320、一致性得分确定模块330和最终检测目标确定模块340）。处理器410通过运行存储在存储器420中的软件程序、指令以及模块，从而执行计算机设备的各种功能应用以及数据处理，即实现上述的目标检测方法。

存储器420可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器420可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器420可进一步包括相对于处理器410远程设置的存储器，这些远程存储器可以通过网络连接至计算机设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

输入装置430可用于接收输入的数字或字符信息，以及产生与计算机设备的用户设置以及功能控制有关的键信号输入。输出装置440可包括显示屏等显示设备。

实施例五

本发明实施例五还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种目标检测方法，该方法包括：

获取目标检测图像，根据至少两个待检测角度对所述目标检测图像进行目标检测，得到对应的检测结果集；

对各所述检测结果集中的目标检测结果进行筛选，得到候选目标集；

确定所述候选目标集中各候选目标的一致性得分；

将一致性得分高于预设一致性阈值的候选目标确定为最终检测目标。

当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的目标检测方法中的相关操作。

通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器（Read-Only Memory, ROM）、随机存取存储器（RandomAccess Memory, RAM）、闪存（FLASH）、硬盘或光盘等，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述的方法。

值得注意的是，上述目标检测装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (7)

1.一种目标检测方法，其特征在于，包括：

获取目标检测图像，根据至少两个待检测角度对所述目标检测图像进行目标检测，得到对应的检测结果集；

对各所述检测结果集中的目标检测结果进行筛选，得到候选目标集；

确定所述候选目标集中各候选目标的一致性得分；

将一致性得分高于预设一致性阈值的候选目标确定为最终检测目标；

其中，所述目标检测结果包括目标位置、目标类别和目标置信度；

所述对各所述检测结果集中的目标检测结果进行筛选，得到候选目标集，包括：

将所有目标检测结果按照目标类别进行划分，分别形成各类别对应的类别目标集；

针对每个类别目标集，采用非极大值抑制法从所述类别目标集中筛选出候选目标；

将所有候选目标都添加至候选目标集；

所述针对每个类别目标集，采用非极大值抑制法从所述类别目标集中筛选出候选目标，包括：

在所述类别目标集中，选取目标置信度最高的目标检测结果作为标准目标，其余各目标检测结果作为对比目标；

分别确定各所述对比目标与所述标准目标的交并比，所述交并比根据所述标准目标的目标位置和所述对比目标的目标位置确定；

将所述交并比大于预设交并比阈值的对比目标确定为非候选目标，并从所述类别目标集中删除；

确定所述标准目标为候选目标，并将各所述对比目标中目标置信度最高的对比目标确定为下一个标准目标，返回进行非候选目标的删除操作，直至所述类别目标集中的目标检测结果均确定为候选目标或非候选目标。

2.根据权利要求1所述的目标检测方法，其特征在于，所述根据至少两个待检测角度对所述目标检测图像进行目标检测，得到对应的检测结果集，包括：

获取至少两个待检测角度，根据各所述待检测角度旋转所述目标检测图像，得到对应的待检测图像；

分别对每个待检测图像进行目标检测，将检测到的目标检测结果添加至对应待检测图像的检测结果集中。

3.根据权利要求1所述的目标检测方法，其特征在于，所述确定所述候选目标集中各候选目标的一致性得分，包括：

确定各所述目标检测结果匹配的候选目标，将与所述候选目标匹配的目标检测结果的个数作为所述候选目标的目标匹配个数；

获取所述检测结果集的集合个数，将所述目标匹配个数与所述集合个数之比作为所述候选目标的一致性得分。

4.根据权利要求3所述的目标检测方法，其特征在于，所述确定各所述目标检测结果匹配的候选目标，包括：

针对每个目标检测结果，将与所述目标检测结果的目标类别一致的候选目标作为类别候选目标；

分别确定所述目标检测结果与各所述类别候选目标的交并比，将所述交并比最大的类别候选目标与所述目标检测结果建立匹配关系。

5.一种目标检测装置，其特征在于，包括：

检测结果集确定模块，用于获取目标检测图像，根据至少两个待检测角度对所述目标检测图像进行目标检测，得到对应的检测结果集；

候选目标集确定模块，用于对各所述检测结果集中的目标检测结果进行筛选，得到候选目标集；

一致性得分确定模块，用于确定所述候选目标集中各候选目标的一致性得分；

最终检测目标确定模块，用于将一致性得分高于预设一致性阈值的候选目标确定为最终检测目标；

其中，所述目标检测结果包括目标位置、目标类别和目标置信度；

所述候选目标集确定模块，包括：

类别目标集划分单元，用于将所有目标检测结果按照目标类别进行划分，分别形成各类别对应的类别目标集；

候选目标筛选单元，用于针对每个类别目标集，采用非极大值抑制法从所述类别目标集中筛选出候选目标；

候选目标集确定单元，用于将所有候选目标都添加至候选目标集；

所述候选目标筛选单元，具体用于：

在所述类别目标集中，选取目标置信度最高的目标检测结果作为标准目标，其余各目标检测结果作为对比目标；

分别确定各所述对比目标与所述标准目标的交并比，所述交并比根据所述标准目标的目标位置和所述对比目标的目标位置确定；

将所述交并比大于预设交并比阈值的对比目标确定为非候选目标，并从所述类别目标集中删除；

确定所述标准目标为候选目标，并将各所述对比目标中目标置信度最高的对比目标确定为下一个标准目标，返回进行非候选目标的删除操作，直至所述类别目标集中的目标检测结果均确定为候选目标或非候选目标。

6.一种计算机设备，包括存储器、处理器及存储在存储器上并可在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程序时实现如权利要求1-4中任一所述的目标检测方法。

7.一种包含计算机可执行指令的存储介质，其特征在于，所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-4中任一所述的目标检测方法。

Images