[发明专利]多目标检测方法、装置及移动终端

说明书

本发明提供一种多目标检测方法，包括：预处理模块对待检测图像进行卷积和池化操作；第一密集连接模块对预处理模块的输出进行卷积操作后与预处理模块的输出进行串联操作；第一过渡模块对第一密集连接模块的输出进行卷积和池化操作；第二密集连接模块对第一过渡模块的输出进行卷积操作后与第一过渡模块的输出进行串联操作；第二过渡模块对第二密集连接模块的输出进行卷积操作；第三过渡模块对第一过渡模块的输出进行池化和卷积操作；提取特征层对第一过渡模块的输出以及第二过渡模块和第三过渡模块的输出的串联结果进行卷积操作和残差模块处理；预测层对提取特征层的输出进行处理，解码预测的目标位置；非极值抑制模块对预测层的输出进行后处理。

技术领域

本发明涉及计算机视觉技术领域，尤其涉及一种多目标检测方法、装置及移动终端。

背景技术

目标检测是计算机视觉领域的核心问题，主要目的是对图像或视频信息进行分析，判定是否存在某些物体(如人脸、行人、汽车等)，如果存在，还要给出这些物体的具体位置。目标检测技术可广泛应用于安防监控、自动驾驶、人机交互等领域，是后续的行为分析、语义解析等高阶任务的前提。

目标检测的方法有很多，传统方法中影响力最大的是基于部件的变形模型(Deformable Part-based Model，DPM)和自提升级联模型(AdaBoost Cascaded Model)。前者成功的应用于行人检测等领域，后者则主要适用于人脸检测领域。

近年来，基于卷积神经网络(Convolutional Neural Network，CNN)的深度学习方法开始被应用在目标检测领域。大致可以分为两类：

第一类是基于目标候选窗口的方法，典型代表是更快速基于区域的卷积神经网络(Faster Regions with CNN，Faster R-CNN)。主要原理是在共享的卷积特征层上，采用区域候选窗口网络(Region Proposal Network，RPN)计算出若干目标候选窗口；再对目标候选窗口内的特征信息进行分类和回归，获取目标类别信息和位置信息，从而完成目标检测任务。

第二类则是候选窗口无关(Proposal Free)的方法，典型代表是单次多窗口检测器(Single Shot MultiBox Detector，SSD)和(You Only Look Once，YOLO)检测器。这类方法不需要额外计算出目标候选窗口以及相应的特征重采样过程。而是直接在全图区域预设若干个不同尺度和横纵比的锚点窗口(Anchor Box)。在检测时只需前向传播整个网络，再针对每个锚点窗口计算出目标类别的置信度，同时在锚点窗口基础上调整偏移量来获取准确的目标位置。相比YOLO，SSD会提取多个卷积特征层的信息来进行预测，相当于使用了多尺度信息，因此具备更高的检测精度。

传统方法如DPM和Adaboost在行人和人脸领域较为成功，但其检测精度和适应性已被基于CNN的深度学习方法超越。

基于Faster R-CNN的检测器，在目前能获得较高的检测精度。但因为依赖于RPN来获取目标候选窗口，会大大影响检测器的速度。在实时性要求高的场合并不适用。基于YOLO的检测器，只依赖于最高层的卷积特征层进行分类和回归。这种做法会丧失较多的信息，对小目标的检测效果不好，此外对目标的定位精度不够。基于SSD的检测器，因为使用多个卷积特征层进行分类和回归，相比YOLO而言，对小目标的检测效果较好，目标的定位精度也有所提高。