CN113822146A - 目标检测方法、终端设备及计算机存储介质 - Google Patents

Abstract

本申请提供了一种目标检测方法、终端设备以及计算机存储介质。该目标检测方法包括：获取图像；利用第一角度预测函数对图像中的目标进行角度预测处理，确定目标的第一预测角度；利用第二角度预测函数对目标进行角度预测处理，确定目标的第二预测角度；基于第一预设角度和第二预测角度，确定目标的朝向角度信息；其中，第一角度预测函数和第二角度预测函数的种类不同，或者，第一角度预测函数和第二角度预测函数的种类相同，函数参数不同。通过上述方式，本申请的目标检测方法通过多个角度预测函数对目标的朝向角度进行预测，能够有效提高获取目标朝向角度信息的准确性。

Description

目标检测方法、终端设备及计算机存储介质

技术领域

本申请涉及图像处理技术领域，特别是涉及一种目标检测方法、终端设备以及计算机存储介质。

背景技术

车辆姿态检测识别是交通检测领域的重要组成部分，广泛用于道路检测系统中，对道路车辆信息的获取具有重要意义。近年来随着汽车辅助驾驶的飞速发展，车辆姿态识别技术得到了越来越多的重视，车辆姿态的准确识别可以提供大量视野内车辆信息，提高驾驶安全性。

识别车辆不但姿态多样，由于和相机之间距离的增加，检测车辆图像的清晰度呈下降趋势，获取的分辨率较高车辆图像往往可以获取最佳检测效果，随着分辨率减小，车辆与背景之间图像区分度下降，影响系统识别准确度。

发明内容

本申请提供了一种目标检测方法、终端设备以及计算机存储介质。

本申请提供了一种目标检测方法，所述目标检测方法包括：

获取图像；

利用第一角度预测函数对所述图像中的目标进行角度预测处理，确定所述目标的第一预测角度；

利用第二角度预测函数对所述目标进行角度预测处理，确定所述目标的第二预测角度；

基于所述第一预设角度和所述第二预测角度，确定所述目标的朝向角度信息；

其中，所述第一角度预测函数和所述第二角度预测函数的种类不同，或者，所述第一角度预测函数和所述第二角度预测函数的种类相同，函数参数不同。

其中，所述第一角度预测函数的类型和所述第二角度预测函数的种类中，至少一个为冯米塞斯分布函数。

其中，所述目标检测方法还包括：

确定所述目标的方向信息；

基于所述目标的朝向角度信息和所述方向信息，确定所述目标的姿态信息。

其中，所述确定所述目标的方向信息，还包括：

获取所述图像中目标的目标图像特征；

分别计算所述目标图像特征与多个预设图像特征的相似度；

基于与目标图像特征相似度最大的预设图像特征对应的方向信息，确定所述目标的方向信息。

其中，目标姿态检测网络包括特征提取单元、角度预测单元和方向预测单元，其中，所述特征提取单元的输出分别连接所述角度预测单元的输入以及所述方向预测单元的输入；

所述确定所述目标的姿态信息的步骤，包括：

将所述图像输入所述特征提取单元，获取所述图像中目标的目标图像特征；

将所述目标图像特征输入所述角度预测单元，确定所述目标的朝向角度信息；

将所述目标图像特征输入所述方向预测单元，确定所述目标的方向信息；

将所述目标的朝向角度信息以及方向信息进行融合，得到所述目标的姿态信息。

其中，所述目标检测方法还包括：

获取目标姿态检测网络中的预设尺寸；

按照所述预设尺寸对所述图像进行伸缩处理和/或缩放处理。

其中，所述获取图像的步骤，包括：

获取待检测图像；

识别所述待检测图像中的目标，并基于识别结果在所述待检测图像中生成初始目标检测框；

截取所述待检测图像中的初始目标检测框包围的图像，得到包含所述目标的图像。

其中，所述目标检测方法还包括：

确定所述初始目标检测框的中心点和目标检测框比例；

以所述中心点为中心，按照所述目标检测框比例生成扩展目标检测框，其中，所述扩展目标检测框完全包围所述初始目标检测框。

本申请还提供了一种终端设备，所述终端设备包括存储器和处理器，其中，所述存储器与所述处理器耦接；

其中，所述存储器用于存储程序数据，所述处理器用于执行所述程序数据以实现上述的目标检测方法。

本申请还提供了一种计算机存储介质，所述计算机存储介质用于存储程序数据，所述程序数据在被处理器执行时，用以实现上述的目标检测方法。

本申请的有益效果是：终端设备获取图像；利用第一角度预测函数对图像中的目标进行角度预测处理，确定目标的第一预测角度；利用第二角度预测函数对目标进行角度预测处理，确定目标的第二预测角度；基于第一预设角度和第二预测角度，确定目标的朝向角度信息；其中，第一角度预测函数和第二角度预测函数的种类不同，或者，第一角度预测函数和第二角度预测函数的种类相同，函数参数不同。通过上述方式，本申请的目标检测方法通过多个角度预测函数对目标的朝向角度进行预测，能够有效提高获取目标朝向角度信息的准确性。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述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发明的一些实施例，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他的附图。其中：

图1是本申请提供的目标检测方法一实施例的流程示意图；

图2是本申请提供的图像以及目标检测框一实施例的示意图；

图3是本申请提供的目标检测方法另一实施例的流程示意图；

图4是本申请提供的目标姿态检测网络一实施例的结构示意图；

图5是本申请提供的终端设备一实施例的结构示意图；

图6是本申请提供的终端设备另一实施例的结构示意图；

图7是本申请提供的计算机存储介质一实施例的结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

请参阅图1，图1是本申请提供的目标检测方法一实施例的流程示意图。

其中，本申请的目标检测方法应用于一种终端设备，其中，本申请的终端设备可以为服务器，也可以为由服务器和终端设备相互配合的系统。相应地，终端设备包括的各个部分，例如各个单元、子单元、模块、子模块可以全部设置于服务器中，也可以分别设置于服务器和终端设备中。

进一步地，上述服务器可以是硬件，也可以是软件。当服务器为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块，例如用来提供分布式服务器的软件或软件模块，也可以实现成单个软件或软件模块，在此不做具体限定。在一些可能的实现方式中，本申请实施例的目标检测方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。

具体而言，如图1所示，本申请实施例的目标检测方法具体包括以下步骤：

S101：获取图像。

本公开实施例中，终端设备获取监控图像。在具体实施例中，安装于交通道路路面上空的摄像机拍摄监控图像，并将监控图像发送至与摄像机连接的终端设备。在其他实施例中，终端设备也可以为带有视频拍摄及处理功能的设备，安装于交通道路路面上空的终端设备直接拍摄监控图像。

另外，终端设备还可以先获取监控视频流，然后对监控视频流中包含过往车辆的关键视频帧进行截取，以获得目标检测方法所需要处理的监控图像。

终端设备获取监控图像后，监控图像作为待检测图像，终端设备还可以对监控图像进行预处理，以提高目标检测方法的准确性。

一方面，终端设备对监控图像进行目标车辆检测，识别监控图像中的所有目标车辆。终端设备可以采用深度学习目标检测模型对监控图像进行车辆检测，获取并生成包含目标车辆的初始目标检测框。具体地，本公开实施所采用的深度学习目标检测模型包括但不限于以下目标检测模型：Faster R-CNN模型、SSD模型和YOLO模型。

终端设备可以直接截取监控图像中初始目标检测框包围的图像区域，以得到包含目标车辆的小区域图像。对包含目标车辆的小区域图像进行目标检测，能够集中对目标车辆进行检测，提高目标检测方法的准确性。

另外，为了提升初始目标检测框的准确度，例如出现初始目标检测框没有包含完成目标车辆的情况，终端设备还可以基于初始目标检测框按照适当比例往外拓展，生成扩展目标检测框。

具体地，终端设备获取每辆目标车辆的初始目标检测框，然后，计算初始目标检测框的中心点坐标以及初始目标检测框的目标检测框比例。终端设备以初始目标检测框的中心点坐标为中心，按照目标检测框比例往外扩展，直至扩展的检测框完全包围初始目标检测框，即可生成扩展目标检测框。如图2所示，检测框A表示初始目标检测框，检测框B表示扩展目标检测框，相较于初始目标检测框，扩展目标检测框的包围区域范围更大，能够保证扩展目标检测框中包含整辆目标车辆的具体信息。

然后，终端设备按照扩展目标检测框将检测框内的图像从监控图像中裁剪出来，从而获取每辆目标车辆的图像。

另一方面，终端设备获取每辆目标车辆的图像后，还可以对每辆目标车辆的图像的尺寸进行调整，以适应后续目标姿态检测网络的检测需求。例如，终端设备获取目标姿态检测网络中设定的预设尺寸，例如128*128等尺寸，然后，按照预设尺寸对每辆目标车辆的图像进行伸缩处理和/或缩放处理。

进一步地，在调整图像尺寸之前，终端设备还可以按照灰度图模式读取每辆目标车辆的图像，通过将RGB图像或者YUV图像转化为灰度图后，可以有效减少图像的框架参数，加快目标检测方法的效率。终端设备还可以对图像的灰度值进行归一化处理，进一步加快目标检测方法的效率。

S102：利用第一角度预测函数对图像中的目标进行角度预测处理，确定目标的第一预测角度。

S103：利用第二角度预测函数对目标进行角度预测处理，确定目标的第二预测角度。

其中，第一角度预测函数和第二角度预测函数的种类不同，或者，第一角度预测函数和第二角度预测函数的种类相同，函数参数不同。

S104：基于第一预设角度和第二预测角度，确定目标的朝向角度信息。

其中，终端设备提取每辆目标车辆的图像的目标图像特征，利用预设的角度预测函数对目标图像特征进行计算，得到每辆目标车辆的预测角度。需要说明的是，目标车辆的预测角度即以摄像机为基准，目标车辆与摄像机所形成的角度，在采集图像中体现为目标车辆与图像水平线所形成的夹角角度。

对于高清晰度的图像，由于目标车辆的特征在图像中明显且详尽，终端设备很容易即可获取高准确率的车辆预测角度。而对于低清晰度的图像，为了提高目标检测方法的准确性，终端设备需要使用多个角度预测函数分别对目标车辆的目标图像特征进行预测，然后将各个角度预测函数得到的预测角度进行加权平均取值，以得到目标车辆准确的朝向角度信息。

例如，本公开实施例分别采用第一角度预测函数和第二角度预测函数对目标车辆进行角度预测处理，然后将预测结果，即第一预测角度和第二预测角度进行加权平均取值，确定目标车辆的朝向角度信息。

其中，第一角度预测函数和第二角度预测函数可以为两种不同种类的角度预测函数；也可以为同一种类的角度预测函数，但角度预测函数的函数参数应当存在差别。本公开实施例所采用的角度预测函数包括但不限于：冯·米塞斯分布函数等。

在本公开实施例中，终端设备获取图像；利用第一角度预测函数对图像中的目标进行角度预测处理，确定目标的第一预测角度；利用第二角度预测函数对目标进行角度预测处理，确定目标的第二预测角度；基于第一预设角度和第二预测角度，确定目标的朝向角度信息；其中，第一角度预测函数和第二角度预测函数的种类不同，或者，第一角度预测函数和第二角度预测函数的种类相同，函数参数不同。通过上述方式，本申请的目标检测方法通过多个角度预测函数对目标的朝向角度进行预测，能够有效提高获取目标朝向角度信息的准确性。

请继续参阅图3，图3是本申请提供的目标检测方法另一实施例的流程示意图。如图3所示，本申请实施例的目标检测方法具体包括以下步骤：

S201：获取图像。

S202：利用第一角度预测函数对图像中的目标进行角度预测处理，确定目标的第一预测角度。

S203：利用第二角度预测函数对目标进行角度预测处理，确定目标的第二预测角度。

S204：基于第一预设角度和第二预测角度，确定目标的朝向角度信息。

本公开实施例中，步骤S201至步骤S204与图1所示步骤S101至步骤S104相同，在此不再赘述。

S205：确定目标的方向信息；

本公开实施例中，终端设备提取每辆目标车辆的图像的目标图像特征，然后，分别计算目标图像特征与多个预设图像特征的相似度。其中，多个预设图像特征包括但不限于：车头对应的预设图像特征、车尾对应的预设图像特征、车侧对应的预设图像特征等。

若目标图像特征与预设图像特征的相似度大于预设阈值，则说明目标图像特征对应的车辆方向状态与预设图像特征对应的车辆方向状态相类似或相同。例如，目标图像特征与车头对应的预设图像特征的相似度大于预设阈值，则输出目标车辆的车辆方向状态为车头状态。

进一步地，终端设备获取计算所得相似度中的最大值，获取相似度最大值对应的预设图像特征对应的车辆方向状态，以作为目标车辆的车辆方向状态。

S206：基于目标的朝向角度信息和方向信息，确定目标的姿态信息。

本公开实施例中，终端设备将上述获取的朝向角度信息和方向信息进行融合，输出目标车辆的姿态信息。例如，如图2中的目标车辆C的朝向角度信息为60°，即目标车辆C与图像水平线所形成的夹角角度为60°，目标车辆C的方向信息为车尾，则输出目标车辆C的姿态信息为车辆尾部朝右。

进一步地，本公开实施例还可以采用目标姿态检测网络对目标车辆的朝向角度信息和方向信息进行检测。一方面，终端设备可以采用如图4所示的一个目标姿态检测网络同时对目标车辆的朝向角度信息和方向信息进行检测。具体地，目标姿态检测网络包括特征提取单元、角度预测单元和方向预测单元，其中，特征提取单元的输出分别连接角度预测单元的输入以及方向预测单元的输入。

此时，目标姿态检测网络需要至少包括两个及两个以上的输出分支，一个输出分支用于输出目标车辆的方向信息，其余输出分支用于输出目标车辆的朝向角度信息。本公开实施例通过采用同一目标姿态检测网络同时对目标车辆的朝向角度信息和方向信息进行检测，可以有效减轻终端设备的负载压力。

其中，用于输出目标车辆的朝向角度信息的输出分支数量代表所采用的角度预测函数的数量。对于模糊图像而言，通过增加输出目标车辆的朝向角度信息的输出分支数量，可以对模糊图像中的目标车辆进行不同角度预测函数的计算预测，能够提高对目标车辆的检测准确性。因此，图像越模糊，目标姿态检测网络所需要启用的输出分支越多。

另一方面，终端设备也可以采用两个目标姿态检测网络，第一个目标姿态检测网络包括特征提取单元和角度预测单元，第二个目标姿态检测网络包括特征提取单元和方向预测单元。对于第二个目标姿态检测网络而言，仅输出一个输出，可以有效简化对目标车辆的方向信息检测的检测网络，有利于对每个目标姿态检测网络的功能进行特定化。

以图4所示的目标姿态检测网络为例，终端设备将图像输入特征提取单元，获取图像中目标的目标图像特征；将目标图像特征输入角度预测单元，确定目标的朝向角度信息；将目标图像特征输入方向预测单元，确定目标的方向信息；将目标的朝向角度信息以及方向信息进行融合，得到目标的姿态信息。

本公开实施例中，终端设备基于图像清晰度进行姿态识别，可以有效处理所获取的图像内距离远近不同车辆，在距离较远车辆较小较模糊的情况下，可以按照朝向概率进行加权平均取值，确定车辆朝向，解决视野内不同远近车辆的识别问题，提升识别准确度。进一步地，终端设备还对姿态检测进行分布处理，对于车头车尾车身等明显特征进行分类判断，作为识别的粗识别结果，具体朝向角度通过冯·米塞斯分布进行确定，针对清晰度较差车辆，引入多个冯·米塞斯分布叠加形式，获取多个朝向结果，将所有结果按比例加权平均，确定最终方向。

本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。

为实现上述实施例的目标检测方法，本申请还提出了一种终端设备，具体请参阅图5，图5是本申请提供的终端设备一实施例的结构示意图。

如图5所示，本申请提供的终端设备500包括获取模块51、预测模块52以及检测模块53。

其中，获取模块51，用于获取图像。

预测模块52，用于利用第一角度预测函数对所述图像中的目标进行角度预测处理，确定所述目标的第一预测角度；还用于利用第二角度预测函数对所述目标进行角度预测处理，确定所述目标的第二预测角度。

检测模块53，用于基于所述第一预设角度和所述第二预测角度，确定所述目标的朝向角度信息。

其中，所述第一角度预测函数和所述第二角度预测函数的种类不同，或者，所述第一角度预测函数和所述第二角度预测函数的种类相同，函数参数不同。

为实现上述实施例的目标检测方法，本申请还提出了另一种终端设备，具体请参阅图6，图6是本申请提供的终端设备另一实施例的结构示意图。

本申请实施例的终端设备600包括存储器61和处理器62，其中，存储器61和处理器62耦接。

存储器61用于存储程序数据，处理器62用于执行程序数据以实现上述实施例所述的目标检测方法。

在本实施例中，处理器62还可以称为CPU(Central Processing Unit，中央处理单元)。处理器62可能是一种集成电路芯片，具有信号的处理能力。处理器62还可以是通用处理器、数字信号处理器(DSP，Digital Signal Process)、专用集成电路(ASIC，ApplicationSpecific Integrated Circuit)、现场可编程门阵列(FPGA，Field Programmable GateArray)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器62也可以是任何常规的处理器等。

本申请还提供一种计算机存储介质，如图7所示，计算机存储介质700用于存储程序数据71，程序数据71在被处理器执行时，用以实现如上述实施例所述的目标检测方法。

本申请还提供一种计算机程序产品，其中，上述计算机程序产品包括计算机程序，上述计算机程序可操作来使计算机执行如本申请实施例所述的目标检测方法。该计算机程序产品可以为一个软件安装包。

本申请上述实施例所述的目标检测方法，在实现时以软件功能单元的形式存在并作为独立的产品销售或使用时，可以存储在装置中，例如一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，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)或处理器(processor)执行本发明各个实施方式所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅为本申请的实施方式，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。

Claims (10)

1.一种目标检测方法，其特征在于，所述目标检测方法包括：

获取图像；

利用第一角度预测函数对所述图像中的目标进行角度预测处理，确定所述目标的第一预测角度；

利用第二角度预测函数对所述目标进行角度预测处理，确定所述目标的第二预测角度；

基于所述第一预设角度和所述第二预测角度，确定所述目标的朝向角度信息；

其中，所述第一角度预测函数和所述第二角度预测函数的种类不同，或者，所述第一角度预测函数和所述第二角度预测函数的种类相同，函数参数不同。

2.根据权利要求1所述的目标检测方法，其特征在于，所述第一角度预测函数的类型和所述第二角度预测函数的种类中，至少一个为冯米塞斯分布函数。

3.根据权利要求1所述的目标检测方法，其特征在于，所述目标检测方法还包括：

确定所述目标的方向信息；

基于所述目标的朝向角度信息和所述方向信息，确定所述目标的姿态信息。

4.根据权利要求3所述的目标检测方法，其特征在于，

所述确定所述目标的方向信息，还包括：

获取所述图像中目标的目标图像特征；

分别计算所述目标图像特征与多个预设图像特征的相似度；

基于与目标图像特征相似度最大的预设图像特征对应的方向信息，确定所述目标的方向信息。

5.根据权利要求3所述的方法，其特征在于，

目标姿态检测网络包括特征提取单元、角度预测单元和方向预测单元，其中，所述特征提取单元的输出分别连接所述角度预测单元的输入以及所述方向预测单元的输入；

所述确定所述目标的姿态信息的步骤，包括：

将所述图像输入所述特征提取单元，获取所述图像中目标的目标图像特征；

将所述目标图像特征输入所述角度预测单元，确定所述目标的朝向角度信息；

将所述目标图像特征输入所述方向预测单元，确定所述目标的方向信息；

将所述目标的朝向角度信息以及方向信息进行融合，得到所述目标的姿态信息。

6.根据权利要求1所述的目标检测方法，其特征在于，

所述目标检测方法还包括：

获取目标姿态检测网络中的预设尺寸；

按照所述预设尺寸对所述图像进行伸缩处理和/或缩放处理。

7.根据权利要求1所述的目标检测方法，其特征在于，所述获取图像的步骤，包括：

获取待检测图像；

识别所述待检测图像中的目标，并基于识别结果在所述待检测图像中生成初始目标检测框；

截取所述待检测图像中的初始目标检测框包围的图像，得到包含所述目标的图像。

8.根据权利要求7所述的目标检测方法，其特征在于，

所述目标检测方法还包括：

确定所述初始目标检测框的中心点和目标检测框比例；

以所述中心点为中心，按照所述目标检测框比例生成扩展目标检测框，其中，所述扩展目标检测框完全包围所述初始目标检测框。

9.一种终端设备，其特征在于，所述终端设备包括存储器和处理器，其中，所述存储器与所述处理器耦接；

其中，所述存储器用于存储程序数据，所述处理器用于执行所述程序数据以实现权利要求1-8中任一项所述的目标检测方法。

10.一种计算机存储介质，其特征在于，所述计算机存储介质用于存储程序数据，所述程序数据在被处理器执行时，用以实现权利要求1-8中任一项所述的目标检测方法。

Images