[发明专利]目标对象检测方法、装置及系统和神经网络结构

说明书

本发明公开一种目标对象检测方法、装置及系统和神经网络结构，其中，所述方法包括：在视频图像序列的当前帧确定至少一个待检测的感兴趣区域，每个感兴趣区域至少部分包含至少一个目标对象的信息；分别提取当前帧的感兴趣区域中的目标对象的特征；根据目标对象的特征对当前帧的各个感兴趣区域进行预测，得到预测结果；根据当前帧的各个感兴趣区域的预测结果确定后续帧待检测的感兴趣区域。因此，在对目标对象进行检测时，能够将当前帧的信息传送至后续帧，实现不同帧图像之间的时域信息复用，充分利用了长程的时域特征，进而为处理对象外貌变化等复杂情况提供了时域依据。

技术领域

本发明涉及视频图像处理领域，具体涉及一种目标对象检测方法、装置及系统和神经网络结构。

背景技术

视频目标对象检测/跟踪是静态图像目标对象检测在视频邻域的拓展，系统需要在视频的每一帧中进行多类别、多目标的对象检测/跟踪。

现有技术中，视频目标对象检测/跟踪系统主要基于静态对象检测，在静态目标对象检测结果的基础上加入一些后期处理技术来实现视频目标对象检测/跟踪，诸如针对置信度的时域一维卷及神经网络(TCN)、基于运动信息的置信度传递(MGP)，以及基于检测序列的非极大值抑制(Seq-NMS)等等。这些方法一定程度上能在静态目标对象检测的结果上加入时域的约束和信息，进而提升在视频中的检测/跟踪效果，但其实质为将静态目标对象检测、目标对象跟踪、时域目标对象分类等关键步骤分隔成多个串联步骤分别优化。

发明内容

本发明实施例提供一种目标对象检测方法、装置及系统和神经网络结构，以实现不同帧图像之间的时域信息复用。

根据第一方面，本发明实施例提供了一种目标对象检测方法，包括：

在视频图像序列的当前帧确定至少一个待检测的感兴趣区域，每个感兴趣区域至少部分包含至少一个目标对象的信息；分别提取当前帧的感兴趣区域中的目标对象的特征；根据目标对象的特征对当前帧的各个感兴趣区域进行预测，得到预测结果；根据当前帧的各个感兴趣区域的预测结果确定后续帧待检测的感兴趣区域。

可选地，所述预测结果包括：所述感兴趣区域包含目标对象的概率和所述目标对象的预测位置。

可选地，所述根据所述当前帧的各个感兴趣区域的预测结果确定后续帧待检测的感兴趣区域，包括：将所述当前帧的所述目标对象的预测位置作为所述后续帧的待检测的感兴趣区域。

可选地，所述根据所述当前帧的各个感兴趣区域的预测结果确定后续帧待检测的感兴趣区域包括：获取所述当前帧的感兴趣区域中目标对象在区域的边界位置；对目标对象所在区域对应的所述边界位置进行加权得到与所述当前帧的感兴趣区域对应的后续帧的目标对象区域的边界位置。

可选地，所述当前帧的感兴趣区域至少部分包含多个目标对象的信息；所述获取所述当前帧的感兴趣区域中目标对象所在区域的边界位置，包括：分别获取感兴趣区域中各类目标对象所在区域边界位置；所述对目标对象所在区域对应的所述边界位置进行加权得到与所述感兴趣区域对应的后续帧的目标对象区域的边界位置，包括：对各类目标对象所在区域边界位置进行加权得到与所述感兴趣区域对应的后续帧的目标对象区域的边界位置。

可选地，所述对目标对象所在区域对应的所述边界位置进行加权得到与所述感兴趣区域对应的后续帧的目标对象区域的边界位置，包括：对各类目标对象所在区域边界位置和各类目标对象包含在所述当前帧的感兴趣区域中的概率进行加权得到与所述感兴趣区域对应的后续帧的目标对象区域的边界位置。

可选地，还包括：基于预设规则在视频图像序列的起始帧设置所述至少一个感兴趣区域。

可选地，所述当前帧的感兴趣区域中的目标对象的特征，还包括：所述当前帧的感兴趣区域记忆的目标对象的特征轨迹。

可选地，所述特征轨迹包含：当前帧的感兴趣区域中的目标对象的特征和所述当前帧的先前帧的感兴趣区域记忆的目标对象的特征轨迹。