[发明专利]目标检测方法及装置、电子设备和存储介质

说明书

本公开涉及一种目标检测方法及装置、电子设备和存储介质。该方法包括：对待检测视频流的目标视频帧进行场景识别处理，获得场景识别结果；根据场景识别结果，确定与场景识别结果对应的检测模式；根据与场景识别结果对应的检测模式，对待检测视频流进行目标检测处理，获得待检测视频流中的目标对象的目标信息。根据本公开的实施例，可对待检测视频流的目标视频帧进行场景识别，并根据场景识别结果来确定检测模式，可针对多种场景使用对应的检测模式，并可在各种场景下保持较高的识别准确率，满足监控各种场景中的目标对象的需要，并保持较高的处理效率，提高监控的实时性。

技术领域

本公开涉及计算机技术领域，尤其涉及一种目标检测方法及装置、电子设备和存储介质。

背景技术

在网络化信息系统支持下，综合运用天空、地面、海洋和太空等多维空间，对敌人进行打击，已经成为军事防御领域新的关注重点。随着全方位、全纵深、全天候、实时监控时代的到来，要求监控系统既具备对空目标的检测能力，又要具备对地目标的检测能力，比如监控无人机和地面行驶车辆等。

在相关技术中，由于天空和地面的场景不同，因此检测方法有很大差别，传统的检测方法无法同时满足监控无人机和地面行驶车辆的检测要求，而基于深度学习的目标检测方法，虽然能够通过对特定目标对象样本进行训练，完成特定目标的检测，但是耗时过长，基本无法满足实时性的要求。

发明内容

本公开提出了一种目标检测方法及装置、电子设备和存储介质。

根据本公开的一方面，提供了一种目标检测方法，包括：

对待检测视频流的目标视频帧进行场景识别处理，获得场景识别结果；

根据所述场景识别结果，确定与所述场景识别结果对应的检测模式；

根据与所述场景识别结果对应的检测模式，对所述待检测视频流进行目标检测处理，获得所述待检测视频流中的目标对象的目标信息。

在一种可能的实现方式中，对待处理视频流的目标视频帧进行场景识别处理，获得场景识别结果，包括：

将所述目标视频帧输入场景识别模型进行处理，获得所述场景识别结果，其中，所述场景识别模型为深度学习神经网络模型。

在一种可能的实现方式中，将所述目标视频帧输入场景识别模型进行处理，获得所述场景识别结果，包括：

将所述目标视频帧输入场景识别模型进行处理，获得所述目标视频帧属于多个场景的概率；

根据所述多个场景的概率，确定所述场景识别结果。

在一种可能的实现方式中，所述场景识别结果包括天空场景和地面场景，与所述识别结果对应的检测模式包括与天空场景对应的第一检测模式以及与地面场景对应的第二检测模式。

在一种可能的实现方式中，所述方法还包括：

在所述目标信息满足跟踪条件时，对所述目标对象进行跟踪处理。

在一种可能的实现方式中，在所述目标信息满足跟踪条件时，对所述目标对象进行跟踪处理，包括：

根据所述目标信息，生成针对拍摄设备的调整指令，其中，所述拍摄设备用于获取所述待检测视频流；

将所述调整指令发送至所述拍摄设备，使得所述拍摄设备将所述待检测视频流中的目标对象调整至显示中心位置。

在一种可能的实现方式中，所述目标信息包括目标对象的位置信息、尺寸信息、速度信息和方向信息中的至少一种。

在一种可能的实现方式中，所述目标视频帧为所述待检测视频流的第一个视频帧。

在一种可能的实现方式中，所述方法还包括：