[发明专利]目标检测方法和装置

说明书

技术领域

本申请涉及计算机技术领域，尤其涉及一种目标检测方法和装置。

背景技术

目标检测是计算机视觉领域的重点研究课题，并且应用范围越来越广泛。例如：可以通过目标检测技术在复杂的视频中检测到目标商品，从而进一步为用户推送该商品相关的广告、促销信息等等。目前，主要通过人工对视频中检测到的目标商品进行打点标记，如目标商品出现在视频的20分10秒，则可对20分10秒进行打点，可以在该时间点插入该商品对应的促销信息。但是，随着信息化的高速发展，视频海量的增加，且视频中的场景复杂多变，通过传统的人工检测目标的方法，已无法满足快速、准确检测的需求，工作量巨大。

申请内容

本申请旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本申请的一个目的在于提出一种目标检测方法，能够快速、准确地检测出图片中的目标，提高检测的准确率。

本申请的第二个目的在于提出一种基于目标检测的信息推荐方法。

本申请的第三个目的在于提出一种目标检测装置。

为了实现上述目的，本申请第一方面实施例提出了一种目标检测方法，包括：接收输入的图片；基于预设算法从所述图片中提取多个候选区域；通过预先训练的基于节点级联的深度学习神经网络模型，确定所述多个候选区域中与目标对象对应的目标区域；根据所述目标区域生成输出结果。

本申请实施例的目标检测方法，通过预先训练的基于节点级联的深度学习神经网络模型确定出目标区域，再根据目标区域生成输出结果，能够快速、准确地检测出图片中的目标，减少了误检，提高了检测的准确率。

本申请第二方面实施例提出了一种基于目标检测的信息推荐方法，包括：接收输入的视频；将所述视频切分为多帧图像；基于预设算法从每一帧图像中提取多个候选区域；通过预先训练的基于节点级联的深度学习神经网络模型，确定所述多个候选区域中与目标对象对应的目标区域；根据所述目标区域确定包含所述目标对象的图像；确定包含所述目标对象的图像在所述视频中的播放时间点；在所述播放时间点插入与所述目标对象对应的推荐信息。

本申请实施例的基于目标检测的信息推荐方法，采用级联的方式，通过预先训练的基于节点级联的深度学习神经网络模型确定出与目标对象对应的目标区域，再根据目标区域确定包含目标对象的图像及其在视频中的播放时间点，以及在播放时间点插入与目标对象对应的推荐信息，快速、准确地定位目标对象并插入与目标对象对应的推荐信息，节省人工插入推荐信息的成本，提高准确率。

本申请第三方面实施例提出了一种目标检测装置，包括：接收模块，用于接收输入的图片；提取模块，用于基于预设算法从所述图片中提取多个候选区域；确定模块，用于通过预先训练的基于节点级联的深度学习神经网络模型，确定所述多个候选区域中与目标对象对应的目标区域；生成模块，用于根据所述目标区域生成输出结果。

本申请实施例的目标检测装置，通过预先训练的基于节点级联的深度学习神经网络模型确定出目标区域，再根据目标区域生成输出结果，能够快速、准确地检测出图片中的目标，减少了误检，提高了检测的准确率。

附图说明

图1是根据本申请一个实施例的目标检测方法的流程图；

图2是训练基于节点级联的深度学习神经网络模型的流程图；

图3是根据本申请一个实施例的基于目标检测的信息推荐方法的流程图；

图4是根据本申请一个实施例的目标检测装置的结构示意图一；

图5是根据本申请一个实施例的目标检测装置的结构示意图二。

具体实施方式

下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。

下面参考附图描述本申请实施例的目标检测方法和装置。

图1是根据本申请一个实施例的目标检测方法的流程图。

如图1所示，目标检测方法可包括：

S1、接收输入的图片。

其中，图片可以是视频文件中的截图。例如，可将视频分解成多帧静态图片，然后将静态图片作为输入。

S2、基于预设算法从图片中提取多个候选区域。

其中，预设算法可以是但不限于EdgeBox算法、Bing算法、Selective Search算法中的一种。