[发明专利]一种基于多尺度的目标检测方法及装置

权利要求书

1.一种基于多尺度的目标检测方法，其特征在于，包括：

将连续的视频帧划分为关键帧和非关键帧；

针对于任意一个关键帧，建立关键帧的尺度金字塔，得到多个尺度图像，并对每个尺度图像进行目标检测；

针对任意一个非关键帧，获取历史视频帧的各个历史尺度，依据历史视频帧的各个历史尺度预测非关键帧的目标尺度，依据各个目标尺度建立非关键帧的尺度包围金字塔，得到多个尺度图像，并对每个尺度图像进行目标检测；

所述针对任意一个非关键帧，获取历史视频帧的各个历史尺度，依据历史视频帧的各个历史尺度预测非关键帧的目标尺度，依据各个目标尺度建立非关键帧的尺度包围金字塔，得到多个尺度图像，并对每个尺度图像进行目标检测，包括：

获取当前处理的非关键帧的前一视频帧中任意一个尺度；

分别依据所述前一视频帧中每一个尺度和预设的尺度估计因子，计算当前处理的非关键帧的目标尺度集；

依据所有的目标尺度集建立当前处理的非关键帧的尺度包围金字塔；

其中，前一视频帧中用到的一个尺度为s(w,h)，其中，尺度s(w,h)表示图像降采样后的宽和高，假设尺度估计因子为：t_s，k_s，通过如下的公式1)计算目标尺度集：

1)S_sur＝{(w×t_sⁿ,h×t_sⁿ)}∪{s(w,h)}∪{s(w×t_s^-m,h×t_s^-m)}；

其中，m,n∈(0,k_s)；

其中，t_s体现了目标尺度集的估计精度，t_s的取值越大，表示目标尺度集的估计精度越高；t_s的取值越小，表示目标尺度集的估计的实时性较高；k_s决定了尺度金字塔的层数，k_s越大表示层数越多，召回率越高，k_s越小，表示层数越少，召回率越低；其中，对于预测的目标尺度集，该目标尺度集中的任意一个灰度需满足宽度和高度均大于感受野宽度或者高度；

其中，当前处理的视频帧的前一视频帧的尺度s_i，s_j，…，s_k，通过如下的公式2)体现尺度包围金字塔：

2)S_sur,i∪S_sur,j∪…∪S_sur,k；

其中，S_sur,i为通过s_i计算得到的目标尺度集，S_sur,j为通过s_j计算得到的目标尺度集，S_sur,k是通过s_k计算得到的目标尺度集。

2.根据权利要求1所述的方法，其特征在于，将连续的视频帧划分为关键帧和非关键帧，包括：

对于连续的视频帧，每间隔预定的视频帧的数量标记一个关键帧，两个关键帧之间的视频帧为非关键帧；

或者

对于连续的视频帧，每间隔预定的时间长度标记一个关键帧，两个关键帧之间的视频帧为非关键帧。

3.根据权利要求2所述的方法，其特征在于，还包括：

获取目标检测系统的整体负载；所述目标检测系统用于执行所述基于多尺度的目标检测方法；

根据目标检测系统的整体负载，设置用于划分关键帧和非关键帧的所述预定的视频帧的数量或者所述预定的时间长度。

4.根据权利要求1所述的方法，其特征在于，还包括：

针对于任意一个非关键帧，遍历尺度金字塔的所有目标尺度，计算每两个目标尺度的距离；

将小于预设阈值的距离对应的两个目标尺度进行合并。