[发明专利]一种基于关键点回归的通用物体检测方法、系统、终端和存储介质

权利要求书

1.一种基于关键点回归的通用物体检测方法，其特征在于，包括以下步骤：

S01：预设追踪目标的关键点标签，确定追踪目标的检测区域，获得预设追踪目标关键点标签在检测区域中的相对位置信息，标记为关键点第一位置信息；

S02：提取目标检测区域的特征图，获取追踪目标关键点在特征图中的相对位置信息，标记为关键点第二位置信息；

S03：以关键点第一位置信息和关键点第二位置信息为输入，得出损失函数以优化网络结构。

2.根据权利要求1所述的基于关键点回归的通用物体检测方法，其特征在于，步骤S01中所述追踪目标的类别为至少两种类别，所述预设追踪目标的关键点标签按照其预设的追踪目标类别、以及每个类别中每个预设的追踪目标个体分别预设关键点；所述步骤S01中确定追踪目标的检测区域时，根据追踪目标的类别不同分别确定每个类别中每个追踪目标个体所在的检测区域，再将每个预设的追踪目标个体的关键点标签与追踪目标个体所在的检测区域相匹配；分别得到各个追踪目标个体所对应关键点信息；所述步骤S01中所述预设追踪目标的关键点标签按照其预设的追踪目标类别、以及每个类别中每个预设的追踪目标个体分别预设关键点时，所述关键点包括其所在追踪目标预选框的位置信息以及表述该追踪目标上该关键点是否可见的信息；所述表述该追踪目标上该关键点是否可见的信息时，给予该关键点的可见度以权重。

3.根据权利要求2所述的基于关键点回归的通用物体检测方法，其特征在于，所述步骤S02中所述提取目标检测区域的特征图，获取追踪目标关键点在特征图中的相对位置信息时，所述关键点在特征图中的相对位置信息的获取方式是：通过将基础网络段各个卷积层获得的特征图中含有该关键点部分通过映射关系找出，并标记含有该关键点部分在各个特征图中的位置，并以各个特征图中该关键点可见度的权重给各个特征图中关键点的位置打分，并选择打分最高的特征图中该关键点的位置作为关键点在特征图中的位置信息记录下来。

4.根据权利要求3所述的基于关键点回归的通用物体检测方法，其特征在于，在步骤S01的确定追踪目标的检测区域后，在步骤S02的提取目标检测区域的特征图前，还包括尺度空间转换的步骤S01a：将各个目标检测区域的特征图转换成相同的尺度的标准特征图，再进行关键点检测，获取关键点在特征图中的相对位置关系。

5.根据权利要求4所述的基于关键点回归的通用物体检测方法，其特征在于，在获取追踪目标关键点在特征图中的相对位置信息前，还包括将标准特征图下采样的步骤S01b：获取下采样层特征图，以下采样层特征图作为输入，训练下采样局部网络；再以下采样层特征图为输入下采样局部网络，输出关键点位置信息并映射回标准特征图中。

6.根据权利要求5所述的基于关键点回归的通用物体检测方法，其特征在于，还包括步骤S01c：将映射了下采样关键点位置的标准特征图进行掩码操作，训练标准特征局部网络，使其只学习标准特征图中关键点所在的映射位置。

7.根据权利要求1所述的基于关键点回归的通用物体检测方法，其特征在于，所述网络结构中，基础段采用resnet50网络结构，检测段采用rrc网络结构。

8.根据权利要求1所述的基于关键点回归的通用物体检测方法，其特征在于，所述关键点检测段的网络结构包括获取基础段中低层的特征图，通过RoI pooling层使每个特征图的窗口生成固定尺寸的特征图，以concat函数融合固定尺寸的特征图，再经过至少一次卷积、池化操作获得标准特征图，标准特征图与预设追踪目标的关键点标签输入一起生成第一损失函数；所述标准特征图再经过至少一次卷积、池化操作获得下采样层特征图，下采样层特征图和追踪目标关键点在特征图中的标签共同作为输入再通过掩码操作，生成第二损失函数。