[发明专利]目标检测方法、设备及介质

权利要求书

1.一种目标检测系统，用于对图像进行目标检测，其特征在于，所述系统包括：

特征生成层，用于获取待检测图像对应的特征图的集合，形成特征数据集；

分类评分层，用于基于所述特征数据集，确定对应至少一个分类类别的得分数据集，其中，得分数据集中包含至少一个得分图，一个得分图对应一个分类类别；

区域描述层，用于基于所述得分数据集，确定至少一个分类类别的候选目标区域及对应的区域描述特征；

结果生成层，用于基于所述至少一个分类类别的候选目标区域及对应的区域描述特征，确定至少一个目标的目标结果信息；

所述特征生成层，用于：

获取待检测图像；

根据预设的缩放比例序列对所述待检测图像进行尺度变换，获取至少一个尺度缩放图像；

针对每个尺度缩放图像，进行卷积处理，并获取至少一个神经元对应输出的初始特征图；

针对每个神经元，对相应神经元输出的各初始特征图进行尺度反变换，以获取与所述待检测图像的尺度相同的至少一个中间特征图，形成中间数据集；

针对所述相应神经元的所述中间数据集中每个像素坐标点，将特征维度的最大像素值，确定为最终特征图在相应像素坐标点的像素值，将产生所述最大像素值对应的所述相应神经元的感受野半径，确定为感受野图在所述相应像素坐标点的像素值，形成最终特征图和感受野图；

将所述至少一个神经元对应的所述最终特征图和所述感受野图合并，形成特征数据集。

2.根据权利要求1所述的系统，其特征在于，所述目标结果信息包括：

目标所在区域、目标对应的分类类别、检测结果可信度。

3.根据权利要求1所述的系统，其特征在于，所述分类评分层，用于：

针对所述特征数据集中每个像素坐标点，基于相应像素坐标点在特征维度的各特征值，计算所述相应像素坐标点对各分类类别的识别得分值；

针对每个分类类别，将对应相应分类类别的识别得分值合并，形成所述相应分类类别的得分图；

将各分类类别的得分图合并，形成得分数据集。

4.根据权利要求1所述的系统，其特征在于，所述区域描述层，用于：

针对每个得分图，针对设定阈值集中的每个阈值，采用相应阈值将相应得分图转化为二值图像，将所述二值图像中像素值为1的相连像素坐标点的集合，确定为候选目标区域；

针对每个候选目标区域，筛选相应候选目标区域中满足筛选条件的至少一个像素坐标点，并记录筛选出的各像素坐标点的像素坐标、识别得分值和特征维度的各特征值，其中，所述各像素坐标点的像素坐标、识别得分值和特征维度的各特征值为所述对应的区域描述特征。

5.根据权利要求4所述的系统，其特征在于，所述区域描述层，还用于：

确定所述相应候选目标区域的区域中心点和区域高度；

针对所述相应候选目标区域中每个像素坐标点，将相应像素坐标点的像素坐标减去所述区域中心点的像素坐标后再除以所述区域高度，将所述相应像素坐标点的各感受野半径分别除以所述区域高度。

6.根据权利要求1所述的系统，其特征在于，所述结果生成层，用于：

针对每个分类类别，针对相应分类类别的每个候选目标区域，基于相应候选目标区域的区域描述特征，计算所述相应候选目标区域的检测结果可信度、区域中心修正值、区域宽修正值和区域高修正值；

基于所述区域中心修正值、所述区域宽修正值和所述区域高修正值调整所述相应候选目标区域的区域位置；

将对应检测结果可信度最高的候选目标区域对应的调整后的区域位置，确定为所述相应分类类别的目标所在区域。