CN114550039A - 目标检测方法、装置、存储介质及电子设备 - Google Patents

Abstract

本公开涉及目标检测方法、装置、存储介质及电子设备，该方法包括获取第一图像和第二图像，上述第二图像为与上述第一图像具备相同的背景、并且不存在异常目标的图像；对上述第一图像和上述第二图像进行融合，得到融合语义图像；对上述融合语义图像进行目标检测，得到上述第一图像中的异常目标。本公开可以在融合语义图像中加入背景图信息，从而达到信息增强的效果，对这一融合语义图像进行目标检测，可以显著提升异常目标的检出率和准确度，并且使得该目标检测方法具备更好的鲁棒性。

Description

目标检测方法、装置、存储介质及电子设备

技术领域

本公开涉及计算机视觉技术领域，尤其涉及一种目标检测方法、装置、存储介质及电子设备。

背景技术

不明物体入侵的检测是计算机视觉以及智能视频监控领域的重要问题。不明物体检测对于以安全为核心的机器学习应用都至关重要，如医学图像中的异常物体检测、自动驾驶应用的异常物体检测等。

然而异常物体检测是很复杂的，不同于传统的目标检测和语义分割任务，在对不明物体进行入侵检测时，对于出现的异常物体的纹理和形状都一无所知，这对于使用机器学习方法对场景中的异常物体检测造成了困难。

发明内容

为了解决上述至少一个技术问题，本公开提出了一种目标检测的技术方案。

根据本公开的一些实施例中，提供了一种目标检测方法，其包括：获取第一图像和第二图像，所述第二图像为与所述第一图像具备相同的背景、并且不存在异常目标的图像；对所述第一图像和所述第二图像进行融合，得到融合语义图像；对所述融合语义图像进行目标检测，得到所述第一图像中的异常目标。基于上述配置，可以在融合语义图像中加入背景图信息，从而达到信息增强的效果，对这一融合语义图像进行目标检测，可以显著提升异常目标的检出率和准确度，并且使得该目标检测方法具备更好的鲁棒性。

在一些可能的实施方式中，所述融合语义图像中与第一位置对应的位置的通道数量与所述第一图像中第一位置对应的通道数量相同，所述第一位置为所述第一图像中的任一位置。基于上述配置，通过限定融合语义图像的通道数，可以确保融合语义图像表征的图像符合图像自然分布，从而使得可以对自然图像进行目标检测的方法同样可以适用于处理融合语义图像，从而降低对融合语义图像进行目标检测的难度。

在一些可能的实施方式中，所述对所述第一图像和所述第二图像进行融合，得到融合语义图像，包括：对所述第一图像和所述第二图像进行逐像素对位融合，得到所述融合语义图像。基于上述配置，可以快速得到符合自然分布的融合语义图像，提升基于融合语义图像进行目标检测的效率，也降低目标检测的难度。

在一些可能的实施方式中，所述对所述第一图像和所述第二图像进行逐像素对位融合，得到所述融合语义图像，包括：对所述第一图像和所述第二图像进行逐像素的像素信息拼接，得到拼接图像；对所述拼接图像进行特征提取，得到所述融合语义图像。基于上述配置，可以通过简单的拼接达到对第一图像与第二图像中具备对应关系的像素点的像素信息快速进行融合的目的，从而使得融合语义图像中的每个像素与第一图像中对应位置的像素具备相同的通道数，并且较大程度地保存第一图像和第二图像中的像素信息，得到高质量的符合自然分布的融合语义图像。

在一些可能的实施方式中，所述对所述融合语义图像进行目标检测，得到所述第一图像中的异常目标，包括：对所述融合语义图像进行基于语义的分割，获取所述融合语义图像对应的掩码信息，所述掩码信息用于标识所述第一图像中的异常目标；根据所述掩码信息确定所述第一图像中的异常目标。基于上述配置，可以基于语义分割的方式在融合语义图像中分割出异常目标所对应的掩码信息，从而准确确定出第一图像中的异常目标。

在一些可能的实施方式中，所述对所述融合语义图像进行基于语义的分割，获取所述融合语义图像对应的掩码信息，包括：对所述融合语义图像进行编码处理，得到第一特征信息；对所述第一特征信息进行解码处理，得到掩码信息。基于上述配置，可以对融合语义图像进行编解码处理，从而在融合语义图像中准确分割出异常目标。

在一些可能的实施方式中，所述第一特征信息包括第二特征信息和第三特征信息，所述对所述融合语义图像进行编码处理，得到第一特征信息，包括：对所述融合语义图像进行特征提取，得到所述第二特征信息；对所述第二特征信息进行至少一层特征提取，得到至少一个第四特征信息；对所述至少一个第四特征信息进行融合，得到所述第三特征信息。基于上述配置，可以得到丰富度较高的第一特征信息，从而提升目标检测准确度。

在一些可能的实施方式中，所述对所述第一特征信息进行解码处理，得到掩码信息，包括：对所述第三特征信息进行上采样，得到第五特征信息；对所述第二特征信息和所述第五特征信息进行融合，得到所述掩码信息。基于上述配置，可以对第一特征信息进行充分解码，从而得到用于表征异常目标的掩码信息。

根据本公开的另一些实施例中，提供了一种目标检测装置，所述装置包括：图像获取模块，用于获取第一图像和第二图像，所述第二图像为与所述第一图像具备相同的背景、并且不存在异常目标的图像；融合模块，用于对所述第一图像和所述第二图像进行融合，得到融合语义图像；检测模块，用于对所述融合语义图像进行目标检测，得到所述第一图像中的异常目标。

在一些可能的实施方式中，所述融合语义图像中与第一位置对应的位置的通道数量与所述第一图像中第一位置对应的通道数量相同，所述第一位置为所述第一图像中的任一位置。

在一些可能的实施方式中，所述融合模块，用于执行下述操作：对所述第一图像和所述第二图像进行逐像素对位融合，得到所述融合语义图像。

在一些可能的实施方式中，所述融合模块，用于执行下述操作：对所述第一图像和所述第二图像进行逐像素的像素信息拼接，得到拼接图像；对所述拼接图像进行特征提取，得到所述融合语义图像。

在一些可能的实施方式中，所述检测模块，用于执行下述操作：对所述融合语义图像进行基于语义的分割，获取所述融合语义图像对应的掩码信息，所述掩码信息用于标识所述第一图像中的异常目标；根据所述掩码信息确定所述第一图像中的异常目标。

在一些可能的实施方式中，所述检测模块，用于执行下述操作：对所述融合语义图像进行编码处理，得到第一特征信息；对所述第一特征信息进行解码处理，得到掩码信息。

在一些可能的实施方式中，所述检测模块，用于执行下述操作：对所述融合语义图像进行特征提取，得到所述第二特征信息；对所述第二特征信息进行至少一层特征提取，得到至少一个第四特征信息；对所述至少一个第四特征信息进行融合，得到所述第三特征信息。

在一些可能的实施方式中，所述检测模块，用于执行下述操作：对所述第三特征信息进行上采样，得到第五特征信息；对所述第二特征信息和所述第五特征信息进行融合，得到所述掩码信息。

根据本公开的另一些实施例中，还提供了一种电子设备，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，所述至少一个处理器通过执行所述存储器存储的指令实现如上述一些实施例中任意一项所述的一种目标检测方法。

根据本公开的另一些实施例中，还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一条指令或至少一段程序，所述至少一条指令或至少一段程序由处理器加载并执行以实现上述一些实施例中任意一项所述的一种目标检测方法。

根据本公开的另一些实施例中，还提供了计算机程序或指令，该计算机程序或指令被处理器执行时实现上述一些实施例的一种目标检测方法。

在本公开实施例中，可以在融合语义图像中加入背景图信息，从而达到信息增强的效果，对这一融合语义图像进行目标检测，可以显著提升异常目标的检出率和准确度，并且使得该目标检测方法具备更好的鲁棒性。

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，而非限制本公开。

根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。

附图说明

为了更清楚地说明本说明书实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本说明书的一些实施例，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附图。

图1示出根据本公开实施例的一种目标检测方法的流程图；

图2示出根据本公开实施例的融合语义图像的具体获取方法的流程图；

图3示出根据本公开实施例的融合像素信息获取方法的流程图；

图4示出根据本公开实施例的编解码器示意图；

图5示出根据本公开实施例的目标检测方法架构图；

图6示出根据本公开实施例的一种目标检测的装置的框图；

图7示出根据本公开实施例的一种电子设备的框图；

图8示出根据本公开实施例的另一种电子设备的框图。

具体实施方式

下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。

在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。

本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括A、B、C中的至少一种，可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。

另外，为了更好地说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。

不明物体入侵的检测是计算机视觉以及智能视频监控领域的重要问题。不明物体检测对于以安全为核心的机器学习应用都至关重要，如医学图像中的异常物体检测、自动驾驶应用的异常物体检测等。然而异常物体检测是很复杂的，不同于传统的目标检测和语义分割任务，在不明物体入侵检测中，对于可能出现的异常物体的纹理和形状都一无所知，这对于使用机器学习方法对场景中的异常物体检测造成了困难。

不同的场景中的出现的异常物体的形状和色彩可能非常多样，这就导致了相关技术中使用的目标检测方法可能难以捕捉具有丰富多样性的异常物体。并且，场景中变化的非异常物体也十分容易对目标检测算法造成干扰，导致错检、漏检，这也是相关技术中对异常物体进行目标检测准确度偏低的主要原因。并且，相关技术通常着重在对室外场景进行异常物体检测，对于室内场景进行异常物体检测的研究和数据都比较少，这就导致相关技术中的目标检测方法缺乏对于室内场景中异常物体的感知能力。

为了解决上述的至少一个技术问题，本公开实施例提供一种目标检测方法，该方法可以通过图像融合的方式得到符合自然图像分布的融合语义图像，这一融合语义图像相较于相关技术中直接获取到的图片增加了背景图信息，在融合语义图像的基础上进行异常物体的检测可以显著提升异常物体检测的准确度，使得异常物体检测结果可以少受运动的正常物体的影响，提升了异常物体检测的鲁棒性。

本公开实施例中并不对检测的异常物体进行限制，比如，其可以为真实的物理世界中的人物、动植物、刀具、工件、烟花爆竹等，相应的，本公开实施例可以被应用于危险品检测、异物入侵检测等场景之中，本公开实施例对应用场景不进行限制，其可以被应用于各种不明物体检测场景，当然，被检测出来的异常物体可以被视为入侵的不明物体。

本公开实施例提供的目标检测的方法可以由终端设备、服务器或其它类型的电子设备执行，其中，终端设备可以为用户设备(User Equipment，UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字处理(Personal Digital Assistant，PDA)、手持设备、计算设备、车载设备、可穿戴设备等。在一些可能的实现方式中，该目标检测的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。下面以电子设备作为执行主体为例对本公开实施例的目标检测的方法进行说明。该目标检测的方法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。

图1示出根据本公开实施例的一种目标检测方法的流程图，如图1所示，上述方法包括：

S101：获取第一图像和第二图像，上述第二图像为与上述第一图像具备相同的背景、并且不存在异常目标的图像。

本公开实施例中并不限定第一图像的获取方法，其可以为为对待检测的场景进行拍摄所得到的图像，也可以为针对上述场景进行视频拍摄所得到的视频中的图像帧。本公开实施例并不限定第一图像的颜色制式，比如，第一图像可以是灰度图、黑白图或者彩色图。本公开实施例也不限定第一图像的分辨率，比如其分辨率可以是6576x4384，或1920x1300。第一图像可以是直接通过拍摄得到的图像，也可以是对拍摄得到的图像进行预处理后得到的图像。本公开实施例对预处理方法不做限定，比如，其可以为调节对比度、调节亮度、调节颜色制式、降噪、锐化等。第二图像为该场景在没有异常物体的情况下的背景图像，其获取方式可以与第一图像相同，在此不做赘述。第二图像中不存在异常目标，但是可以存在非异常目标，比如，可以存在运动中的正常目标。

相关技术中对于室内异常检测的方案较少，并不适用于室内场景中的异常物体检测，因此，本公开实施例为了适用于室内场景的异常物体检测，可以对室内场景进行拍摄，得到上述第一图像以及上述第二图像。通过对室内场景进行图像提取，并且在后续操作中对于这些图像进行融合以及目标检测处理，可以分析出室内场景中的异常物体，从而使得本公开实施例可以应用于室内异常物体检测场景。

S102：对上述第一图像和上述第二图像进行融合，得到融合语义图像。

本公开实施例中在进行融合之前可以对第一图像和第二图像进行预处理，以使得第一图像和第二图像符合融合操作的要求，比如，若融合操作要求被融合的图像具备相同的通道数、相同的大小或者相同的分辨率，可以对于第一图像和第二图像进行对应的调整，以使得其具备相同的通道数、相同的大小或者相同的分辨率。本公开实施例对于预处理不进行限定，以满足融合要求为主。通过对第一图像和第二图像进行融合，可以使得融合语义图像携带背景图信息，从而提升异常物体检测的准确度。并且，第二图像中还可以包括运动的正常目标，基于这种第二图像得到的融合语义图像，可以避免该正常目标形成的干扰，显著增强目标检测的鲁棒性和提升准确度。

在一个实施例中，上述融合语义图像中与第一位置对应的位置的通道数量与上述第一图像中第一位置对应的通道数量相同，上述第一位置为上述第一图像中的任一位置。通过限定融合语义图像的通道数，可以确保融合语义图像表征的图像符合图像自然分布，从而使得可以对自然图像进行目标检测的方法同样可以适用于处理融合语义图像，从而降低对融合语义图像进行目标检测的难度。

举个例子，自然图像具备RGB三个通道，这三个通道分别表征图像中像素的Red值，Green值以及Blue值，将该自然图像输入某一目标检测模型，可以得到对应的目标检测结果。而融合语义图像也具备三个通道，也就是说，该融合语义图像具备与自然图像相同的表征方式，可以使用相同数据结构表征，因此，上述某一目标检测模型可以同样适用于对融合语义图像进行目标检测，而无需对上述目标检测模型进行任何适应性调整。

在一个实施例中，上述对上述第一图像和上述第二图像进行融合，包括：对上述第一图像和上述第二图像进行逐像素对位融合，得到上述融合语义图像。通过对位融合的方式，可以快速得到符合自然分布的融合语义图像，提升基于融合语义图像进行目标检测的效率，也降低目标检测的难度。

本公开实施例中并不限定对位融合所使用的具体融合方法，比如，在一个实施例中，可以对上述第一图像和上述第二图像进行逐像素的像素信息拼接，得到拼接图像；对上述拼接图像进行特征提取，得到上述融合语义图像。这一融合方法可以通过简单的拼接达到对第一图像与第二图像中具备对应关系的像素点的像素信息快速进行融合的目的，从而使得融合语义图像中的每个像素与第一图像中对应位置的像素具备相同的通道数，并且较大程度地保存第一图像和第二图像中的像素信息，得到高质量的符合自然分布的融合语义图像。

在一个具体的实施方式中，提供了融合语义图像的具体获取方法，如图2所示，上述方法包括：

S1021:对第一像素信息和第二像素信息进行融合，得到第一位置对应的融合像素信息，上述第一像素信息表征上述第一图像中上述第一位置的像素信息，上述第二像素信息表征上述第二图像中与上述第一位置对应的位置的像素信息，上述第一位置为上述第一图像中的任一位置。

本公开实施例并不限定对第一像素信息和第二像素信息的融合方法，比如，可以进行直接相加、加权、归一化、卷积等，通过上述融合可以得到包含背景图信息的融合像素信息。举个例子，如图3所示，上述对第一像素信息和第二像素信息进行融合，得到第一位置对应的融合像素信息，可以包括：

S1:对上述第一像素信息和上述第二像素信息进行拼接处理，得到上述第一位置对应的拼接像素信息。

以第一图像A的第一像素信息A1为室内P位置对应的像素信息，第二图像B的第二像素信息B1也为室内P位置对应的像素信息为例，A1包括RGB三个值{r1，g1，b1}，B1也包括RGB三个值{r2，g2，b2}，则拼接像素信息可以被表示为{r1，g1，b1，r2，g2，b2}，也就是说，如果第一图像具备三个通道，通过具备三个通道的矩阵表征，则第一图像中各个像素点对应的拼接像素信息可以形成具备六个通道的矩阵。

S2:对上述第一位置对应的拼接像素信息进行特征提取，得到上述第一位置对应的融合像素信息。

对上述具备六个通道的矩阵进行特征提取，可以得到具备三个通道的矩阵，该矩阵和第一图像对应的矩阵具备相同大小。基于上述配置，可以得到每个像素点对应的融合像素信息，融合像素信息与第一图像中该像素点对应的像素信息具备相同的通道数，从而可以基于该融合像素信息得到符合自然分布的融合语义图像。

S1022:根据上述第一位置对应的融合像素信息和第二位置对应的融合像素信息，得到上述融合语义图像，上述第二位置表征上述第一图像中不同于上述第一位置的其他位置。

本公开实施例中第二位置对应的融合像素信息的获取方式与第一位置对应的融合信息的获取方式相同，本公开实施例对此不做赘述。在一个具体的实施方式中，可以直接将第一图像和第二图像输入训练好的语义图处理模块，得到该模块输出的语义图，该语义图即为上述融合语义图像，上述语义图处理模块即可执行上述步骤S1021至S1022。

在执行步骤S1021的过程中，可以对上述第一像素信息和上述第二像素信息进行拼接处理，得到上述第一位置对应的拼接像素信息。对上述第一位置对应的拼接像素信息进行特征提取，得到上述第一位置对应的融合像素信息。本公开实施例并不限定特征提取的具体方法，比如，可以使用至少一个卷积操作来进行特征提取，也可以进行自注意力操作进行特征提取。举个例子，可以使用具备多层结构的卷积神经网络进行上述特征提取，每层卷积神经网络分别包含6个和3个卷积滤波器，每个滤波器的卷积核大小是3*3。通过将第一图像和第二图像输入该语义图，该语义图利用上述具备多层结构的卷积神经网络可以得到符合自然图片分布融合语义图像。基于上述配置，可以得到符合自然分布的融合语义图像，从而降低对该融合语义图像进行检测的难度。

S103：对上述融合语义图像进行目标检测，得到上述第一图像中的异常目标。

当然，本公开实施例并不限定目标检测的具体方法，比如可以使用一阶段目标检测方法、二阶段目标检测方法或者编解码方法进行上述目标检测。基于上述配置，可以在融合语义图像中加入背景图信息，从而达到信息增强的效果，对这一融合语义图像进行目标检测，可以显著提升异常目标的检出率和准确度，并且使得该目标检测方法具备更好的鲁棒性。

在一个实施例中，上述对上述融合语义图像进行目标检测，得到上述第一图像中的异常目标，包括：对上述融合语义图像进行基于语义的分割，获取上述融合语义图像对应的掩码信息，上述掩码信息用于标识上述第一图像中的异常目标；根据上述掩码信息确定上述第一图像中的异常目标。通过语义分割的方式可以分割出语义图中表征异常目标的区域，并根据该区域的位置生成对应的掩码信息，由于语义图是基于第一图像与第二图像进行对位融合所得到的，因此，掩码信息同样可以表征第一图像中异常目标所在的位置，基于掩码信息和上述第一图像即可确定出上述第一图像中的异常目标。基于上述配置，可以基于语义分割的方式在融合语义图像中分割出异常目标所对应的掩码信息，从而准确确定出第一图像中的异常目标。

在一个实施例中，可以对上述融合语义图像进行编码处理，得到第一特征信息。对上述第一特征信息进行解码处理，得到掩码信息，上述掩码信息用于标识上述第一图像中的异常目标。在一个实施例中，上述掩码信息可以形成与第一图像等大小的掩码图。本公开实施例并不限定编码处理的方法，比如可以基于卷积神经网络(Convolutional NeuralNetworks,CNN)或深度卷积神经网络(Deep Convolutional Neural Networks,DCNN)。基于上述配置，可以对融合语义图像进行编解码处理，从而在融合语义图像中准确分割出异常目标。

在一个实施例中，上述第一特征信息可以包括第二特征信息和第三特征信息，上述对上述融合语义图像进行编码处理，得到第一特征信息，包括：对上述融合语义图像进行特征提取，得到上述第二特征信息。对上述第二特征信息进行至少一层特征提取，得到至少一个第四特征信息。对上述至少一个第四特征信息进行融合，得到上述第三特征信息。当然，本公开实施例并不对于特征提取以及融合的具体操作进行限定，可以参考前文。基于上述配置，可以得到丰富度较高的第一特征信息，从而提升目标检测准确度。

请参考图4，其示出一种编解码器结构示意图。在Encoder(编码器)环节，可以对于融合语义图像进行特征提取，得到第二特征信息T2。在图4中采用膨胀卷积(Atrous Conv)进行特征提取。对该第二特征信息T2分别经过五个网络结构后得到五个第四特征信息(T4)，这五个网络结构分别为卷积核为1*1的卷积层、卷积核为3*3并且学习率为6的卷积层、卷积核为3*3并且学习率为12的卷积层、卷积核为3*3并且学习率为18的卷积层、池化层。对于上述五个第四特征信息(T4)进行融合处理，得到第三特征信息(T3)。该融合处理可以通过卷积核为1*1的卷积层实现。

在一个实施例中，上述对上述第一特征信息进行解码处理，得到掩码信息，包括：对上述第三特征信息进行上采样，得到第五特征信息。对上述第二特征信息和上述第五特征信息进行融合，得到上述掩码信息。当然，本公开实施例并不对于上采样以及融合的具体操作进行限定，可以参考前文。基于上述配置，可以对第一特征信息进行充分解码，从而得到用于表征异常目标的掩码信息。

请参考图4，在Decoder(解码器)环节，可以直接将第二特征信息T2输入解码器，将第三特征信息(T3)经过上采样，得到第五特征信息(T5)，对第二特征信息(T2)进行卷积操作，并将卷积结果与第五特征信息(T5)进行连接操作，从而实现初步融合，然后将初步融合结果经过卷积核为3*3的卷积层进行处理并进行上采样后，即可得到上述掩码信息。

在一些实施例中，步骤S103可以通过下述操作执行：将上述融合语义图像输入目标检测模型，得到上述第一图像中的异常目标，上述目标检测模型通过调节预训练网络的参数得到。本公开实施例中融合语义图像具备自然分布的特点，也就是说，和相关技术中的目标检测网络都可以兼容，将这些目标检测网络直接作为预训练网络对其进行参数调整即可用于对步骤S103中的融合语义图像进行处理，从而输出异常目标。由于相关技术中的目标检测网络都已经经过大量训练，具备感知常规物体的能力，因此，通过在这些目标检测网络的基础上进行参数微调的方式得到上述目标检测模型可以降低该目标检测模型对于标注以及样本的依赖度，降低目标检测模型的训练成本。相较于相关技术主要是基于光流、显著图等方式进行不明物体入侵检测，缺少大规模可用的预训练模型，从而依赖大量标注样本进行训练的情况，本公开实施例显然具备明显的优势。

本公开实施例提供一种目标检测方法，如图5所示，通过融合背景图的方式得到符合自然分布的融合语义图像(语义图)，对该语义图输入目标检测网络即可识别出异常目标。具体来说，该目标检测网络可以包括编解码模块。编码器模块接受语义图的输入，通过多层卷积神经网络和多孔空间金字塔池化模块对语义图进行特征提取，输出多尺度的特征到解码器中进行异常物体区域分割。解码器接受编码器输出的多尺度特征作为输入，将低级特征通过卷积操作后和高级特征拼接在一起，之后通过一个3*3的卷积层并上采样到和编码器输入的语义图同样大小，以此来得到语义图编码模块的输入图像中的异常物体二值掩码。基于上述配置，本公开实施例实现了基于神经网络异常物体检测，相较于使用光流或者显著图检测的相关技术，本公开实施例可以得到更为准确的检测结果，并且对抗运动正常物体带来的干扰，具备强鲁棒性的显著优势。

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。

可以理解，本公开提及的上述各个方法实施例，在不违背原理逻辑的情况下，均可以彼此相互结合形成结合后的实施例，限于篇幅，本公开不再赘述。

此外，本公开还提供了目标检测装置、电子设备、计算机可读存储介质、程序，上述均可用来实现本公开提供的任一种目标检测方法，相应技术方案和描述和参见方法部分的相应记载，不再赘述。

图6示出根据本公开实施例的一种目标检测的装置。如图6所示，上述装置包括：

图像获取模块101，用于获取第一图像和第二图像，上述第二图像为与上述第一图像具备相同的背景、并且不存在异常目标的图像；

融合模块102，用于对上述第一图像和上述第二图像进行融合，得到融合语义图像；

检测模块103，用于对上述融合语义图像进行目标检测，得到上述第一图像中的异常目标。

在一些可能的实施方式中，上述融合语义图像中与第一位置对应的位置的通道数量与上述第一图像中第一位置对应的通道数量相同，上述第一位置为上述第一图像中的任一位置。

在一些可能的实施方式中，上述融合模块，用于执行下述操作：对上述第一图像和上述第二图像进行逐像素对位融合，得到上述融合语义图像。

在一些可能的实施方式中，上述融合模块，用于执行下述操作：对上述第一图像和上述第二图像进行逐像素的像素信息拼接，得到拼接图像；对上述拼接图像进行特征提取，得到上述融合语义图像。

在一些可能的实施方式中，上述检测模块，用于执行下述操作：对上述融合语义图像进行基于语义的分割，获取上述融合语义图像对应的掩码信息，上述掩码信息用于标识上述第一图像中的异常目标；根据上述掩码信息确定上述第一图像中的异常目标。

在一些可能的实施方式中，上述检测模块，用于执行下述操作：对上述融合语义图像进行编码处理，得到第一特征信息；对上述第一特征信息进行解码处理，得到掩码信息。

在一些可能的实施方式中，上述检测模块，用于执行下述操作：对上述融合语义图像进行特征提取，得到上述第二特征信息；对上述第二特征信息进行至少一层特征提取，得到至少一个第四特征信息；对上述至少一个第四特征信息进行融合，得到上述第三特征信息。

在一些可能的实施方式中，上述检测模块，用于执行下述操作：对上述第三特征信息进行上采样，得到第五特征信息；对上述第二特征信息和上述第五特征信息进行融合，得到上述掩码信息。

在一些实施例中，本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述。

本公开实施例还提出一种计算机可读存储介质，上述计算机可读存储介质中存储有至少一条指令或至少一段程序，上述至少一条指令或至少一段程序由处理器加载并执行时实现上述方法。计算机可读存储介质可以是非易失性计算机可读存储介质。

具体来说，上述方法至少包括下述内容：

根据本公开的一些实施例中，提供了一种目标检测方法，其包括：获取第一图像和第二图像，上述第二图像为与上述第一图像具备相同的背景、并且不存在异常目标的图像；对上述第一图像和上述第二图像进行融合，得到融合语义图像；对上述融合语义图像进行目标检测，得到上述第一图像中的异常目标。基于上述配置，可以在融合语义图像中加入背景图信息，从而达到信息增强的效果，对这一融合语义图像进行目标检测，可以显著提升异常目标的检出率和准确度，并且使得该目标检测方法具备更好的鲁棒性。

在一些可能的实施方式中，上述融合语义图像中与第一位置对应的位置的通道数量与上述第一图像中第一位置对应的通道数量相同，上述第一位置为上述第一图像中的任一位置。基于上述配置，通过限定融合语义图像的通道数，可以确保融合语义图像表征的图像符合图像自然分布，从而使得可以对自然图像进行目标检测的方法同样可以适用于处理融合语义图像，从而降低对融合语义图像进行目标检测的难度。

在一些可能的实施方式中，上述对上述第一图像和上述第二图像进行融合，得到融合语义图像，包括：对上述第一图像和上述第二图像进行逐像素对位融合，得到上述融合语义图像。基于上述配置，可以快速得到符合自然分布的融合语义图像，提升基于融合语义图像进行目标检测的效率，也降低目标检测的难度。

在一些可能的实施方式中，上述对上述第一图像和上述第二图像进行逐像素对位融合，得到上述融合语义图像，包括：对上述第一图像和上述第二图像进行逐像素的像素信息拼接，得到拼接图像；对上述拼接图像进行特征提取，得到上述融合语义图像。基于上述配置，可以通过简单的拼接达到对第一图像与第二图像中具备对应关系的像素点的像素信息快速进行融合的目的，从而使得融合语义图像中的每个像素与第一图像中对应位置的像素具备相同的通道数，并且较大程度地保存第一图像和第二图像中的像素信息，得到高质量的符合自然分布的融合语义图像。

在一些可能的实施方式中，上述对上述融合语义图像进行目标检测，得到上述第一图像中的异常目标，包括：对上述融合语义图像进行基于语义的分割，获取上述融合语义图像对应的掩码信息，上述掩码信息用于标识上述第一图像中的异常目标；根据上述掩码信息确定上述第一图像中的异常目标。基于上述配置，可以基于语义分割的方式在融合语义图像中分割出异常目标所对应的掩码信息，从而准确确定出第一图像中的异常目标。

在一些可能的实施方式中，上述对上述融合语义图像进行基于语义的分割，获取上述融合语义图像对应的掩码信息，包括：对上述融合语义图像进行编码处理，得到第一特征信息；对上述第一特征信息进行解码处理，得到掩码信息。基于上述配置，可以对融合语义图像进行编解码处理，从而在融合语义图像中准确分割出异常目标。

在一些可能的实施方式中，上述第一特征信息包括第二特征信息和第三特征信息，上述对上述融合语义图像进行编码处理，得到第一特征信息，包括：对上述融合语义图像进行特征提取，得到上述第二特征信息；对上述第二特征信息进行至少一层特征提取，得到至少一个第四特征信息；对上述至少一个第四特征信息进行融合，得到上述第三特征信息。基于上述配置，可以得到丰富度较高的第一特征信息，从而提升目标检测准确度。

在一些可能的实施方式中，上述对上述第一特征信息进行解码处理，得到掩码信息，包括：对上述第三特征信息进行上采样，得到第五特征信息；对上述第二特征信息和上述第五特征信息进行融合，得到上述掩码信息。基于上述配置，可以对第一特征信息进行充分解码，从而得到用于表征异常目标的掩码信息。

根据本公开的另一些实施例中，还提供了计算机程序或指令，该计算机程序或指令被处理器执行时实现上述的一种目标检测方法。

本公开实施例还提出一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，上述处理器被配置为上述方法。

电子设备可以被提供为终端、服务器或其它形态的设备。

图7示出根据本公开实施例的一种电子设备的框图。例如，电子设备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，个人数字助理等终端。

参照图7，电子设备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通常控制电子设备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电子设备800的操作。这些数据的示例包括用于在电子设备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，图片，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为电子设备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，及其他与为电子设备800生成、管理和分配电力相关联的组件。

多媒体组件808包括在上述电子设备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。上述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与上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。当电子设备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)，当电子设备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，用于为电子设备800提供各个方面的状态评估。例如，传感器组件814可以检测到电子设备800的打开/关闭状态，组件的相对定位，例如上述组件为电子设备800的显示器和小键盘，传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变，用户与电子设备800接触的存在或不存在，电子设备800方位或加速/减速和电子设备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被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络，如WiFi，2G、3G、4G、5G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，上述通信组件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，电子设备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，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器804，上述计算机程序指令可由电子设备800的处理器820执行以完成上述方法。

图8示出根据本公开实施例的另一种电子设备的框图。例如，电子设备1900可以被提供为一服务器。参照图8，电子设备1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行上述方法。

电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理，一个有线或无线网络接口1950被配置为将电子设备1900连接到网络，和一个输入输出(I/O)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统，例如Windows ServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM或类似。

在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器1932，上述计算机程序指令可由电子设备1900的处理组件1922执行以完成上述方法。

本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。

计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。

这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。

用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标对象代码，上述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令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)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。

这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。

这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。

也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。

附图中的流程图和框图显示了根据本公开的多个实施例的系统、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、程序段或指令的一部分，上述模块、程序段或指令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。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，两个连续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动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。

以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims (11)

1.一种目标检测方法，其特征在于，所述方法包括：

获取第一图像和第二图像，所述第二图像为与所述第一图像具备相同的背景、并且不存在异常目标的图像；

对所述第一图像和所述第二图像进行融合，得到融合语义图像；

对所述融合语义图像进行目标检测，得到所述第一图像中的异常目标。

2.根据权利要求1所述的方法，其特征在于，所述融合语义图像中与第一位置对应的位置的通道数量与所述第一图像中第一位置对应的通道数量相同，所述第一位置为所述第一图像中的任一位置。

3.根据权利要求1或2所述的方法，其特征在于，所述对所述第一图像和所述第二图像进行融合，得到融合语义图像，包括：

对所述第一图像和所述第二图像进行逐像素对位融合，得到所述融合语义图像。

4.根据权利要求3所述的方法，其特征在于，所述对所述第一图像和所述第二图像进行逐像素对位融合，得到所述融合语义图像，包括：

对所述第一图像和所述第二图像进行逐像素的像素信息拼接，得到拼接图像；

对所述拼接图像进行特征提取，得到所述融合语义图像。

5.根据权利要求1至4中任一项所述的方法，其特征在于，所述对所述融合语义图像进行目标检测，得到所述第一图像中的异常目标，包括：

对所述融合语义图像进行基于语义的分割，获取所述融合语义图像对应的掩码信息，所述掩码信息用于标识所述第一图像中的异常目标；

根据所述掩码信息确定所述第一图像中的异常目标。

6.根据权利要求5所述的方法，其特征在于，所述对所述融合语义图像进行基于语义的分割，获取所述融合语义图像对应的掩码信息，包括：

对所述融合语义图像进行编码处理，得到第一特征信息；

对所述第一特征信息进行解码处理，得到所述掩码信息。

7.根据权利要求6所述的方法，其特征在于，所述第一特征信息包括第二特征信息和第三特征信息，所述对所述融合语义图像进行编码处理，得到第一特征信息，包括：

对所述融合语义图像进行特征提取，得到所述第二特征信息；

对所述第二特征信息进行至少一层特征提取，得到至少一个第四特征信息；

对所述至少一个第四特征信息进行融合，得到所述第三特征信息。

8.根据权利要求7所述的方法，其特征在于，所述对所述第一特征信息进行解码处理，得到掩码信息，包括：

对所述第三特征信息进行上采样，得到第五特征信息；

对所述第二特征信息和所述第五特征信息进行融合，得到所述掩码信息。

9.一种目标检测装置，其特征在于，所述装置包括：

图像获取模块，用于获取第一图像和第二图像，所述第二图像为与所述第一图像具备相同的背景、并且不存在异常目标的图像；

融合模块，用于对所述第一图像和所述第二图像进行融合，得到融合语义图像；

检测模块，用于对所述融合语义图像进行目标检测，得到所述第一图像中的异常目标。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有至少一条指令或至少一段程序，所述至少一条指令或至少一段程序由处理器加载并执行以实现如权利要求1-8中任意一项所述的一种目标检测方法。

11.一种电子设备，其特征在于，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，所述至少一个处理器通过执行所述存储器存储的指令实现如权利要求1-8中任意一项所述的一种基于目标检测方法。

Images