[发明专利]目标的检测方法、装置和存储介质

说明书

本发明提供一种目标的检测方法、装置和存储介质，该方法包括：初始检测得到视频数据中当前帧图像中的待检测目标；将所述待检测目标与所述当前帧图像的上一帧图像中的至少一个目标进行匹配；若所述上一帧图像中存在与所述待检测目标相匹配的目标，则分别根据所述待检测目标在当前帧图像中的特征层以及在所述当前帧图像的前m帧图像中的特征层确定所述待检测目标的类别和位置信息，其中，m为正整数。本发明提供的目标的检测方法、装置和存储介质，不仅能够降低检测的难度，而且可以提高检测的准确性。

技术领域

本发明涉及图像检测技术，尤其涉及一种目标的检测方法、装置和存储介质。

背景技术

汽车辅助驾驶中对车辆和行人等目标的检测的精度要求十分严格。目前的检测技术对车辆、交通标志和车道线等刚性目标等较为准确，而对行人或自行车等非刚性目标的检测准确率则较低。

目前，针对行人的检测方法，主要是基于视频流中的单帧图像，用传统的特征提取加分类的方法，或者基于卷积神经网络等深度学习方法进行检测。其中，传统的特征提取加分类的方法主要是预先设计行人的特征，再用机器学习算法对特征进行分类。如利用图像的梯度直方图(histogram of gradient；HOG)作为特征，用支持向量机(support vectormachine；SVM)进行二分类，HOG特征通过计算图像的梯度，并按照方向和模值进行统计。另外，基于深度学习的方法是通过卷积神经网络自动学习特征，目前比较流行的方法主要有基于提取候选框进行二次分类的faster rcnn、基于多尺度特征层的SSD(single shotmultibox detector)和YOLO算法，以及基于图像金字塔的特征金字塔网络(featurepyramid networks；FPN)改进算法。

由于行人等目标本身会产生各种形变，在采用上述各方式进行检测时，为了提高检测准确度，需要扩大数据量以包含足够多的样本，同时需要提升模型容量，覆盖可能各种形变，这样不仅会增加检测难度，并且检测的准确率也不高。

发明内容

为解决现有技术中存在的问题，本发明提供一种目标的检测方法、装置和存储介质，不仅能够降低检测难度，而且能够提高检测的准确率。

第一方面，本发明实施例提供一种目标的检测方法，包括：

初始检测得到视频数据中当前帧图像中的待检测目标；

将所述待检测目标与所述当前帧图像的上一帧图像中的至少一个目标进行匹配；

若所述上一帧图像中存在与所述待检测目标相匹配的目标，则分别根据所述待检测目标在当前帧图像中的特征层以及在所述当前帧图像的前m帧图像中的特征层确定所述待检测目标的类别和位置信息，其中，m为正整数。

可选地，所述将所述待检测目标与所述当前帧图像的上一帧图像中的至少一个目标进行匹配，包括：

获取所述待检测目标在所述当前帧图像中的候选框；

将所述候选框和所述上一帧图像中的至少一个目标进行匹配。

可选地，所述将所述候选框和所述上一帧图像中的至少一个目标进行匹配，包括：

将所述至少一个目标在所述当前帧图像中进行跟踪处理，获得各所述目标在所述当前帧图像中的跟踪框；

计算各所述跟踪框和所述候选框之间的交并比IOU；

确定所述IOU大于预设阈值的所述跟踪框对应的目标与所述候选框匹配成功。

可选地，所述计算各所述跟踪框和所述候选框之间的交并比IOU，包括：

根据公式IOU＝(TkBBox I CandBBox)/(TkBBox U CandBBox)计算所述IOU，其中，所述TkBBox为所述跟踪框，所述CandBBox为所述候选框。