[发明专利]目标检测方法及装置

说明书

本公开公开了一种目标检测方法、装置、电子设备及计算机可读存储介质，其中，所述方法包括：针对初始边界框对集合中的每个边界框对，其中，所述边界框对由人的图像区域对应的边界框和所述人的相关部位的图像区域对应的边界框组成，根据所述边界框对对应的各个边界框的得分确定联合得分；根据所述每个边界框对的联合得分对所述初始边界框对集合中的边界框对进行抑制处理，得到目标边界框对集合。本公开通过根据边界框对对应的各个边界框的得分确定联合得分，根据所述每个边界框对的联合得分对所述初始边界框对集合中的边界框对进行抑制处理，得到目标边界框对集合，这样使得分更加可靠，不容易受到其他因素的干扰，并且对于假阳性情况有更好的抑制作用，提高边界框对的鲁棒性。

技术领域

本公开涉及图像处理技术领域，尤其涉及一种目标检测方法、装置、电子设备及计算机可读存储介质。

背景技术

行人检测在安防以及自动驾驶领域有着广泛的应用，其目的在于把行人从背景中检测出来。行人检测还是很多其他任务的基础，例如行人重识别，行人跟踪以及人体关键点检测等。

在现有技术中，非极大值抑制(Non-Maximum Suppression，NMS)是目前主流的目标检测框架中一个不可缺少的步骤，因为检测结果中对同一个目标可能会得到很多重复或者相近的边界框，所以需要用NMS来去除掉一些冗余的结果。具体做法是先根据检测边界框的得分进行排序，然后从得分最高的边界框开始，计算它和剩余边界框的交并比(交叠面积/并集面积)，如果交并比超过某一个预设的阈值，就把这个边界框从结果中去除(抑制掉)，一直到处理完所有的边界框为止，这样就可以去除掉很多冗余的边界框。

但是NMS的阈值是很难确定的，给定一个高的阈值会保留更多的结果，有可能导致更多的假阳性(False Positive)结果，而给定一个低的阈值会抑制掉更多的结果，会导致召回率(Recall)降低。而且仅仅根据单类的边界框可能并不鲁棒，容易受到其他因素的音响。

发明内容

为克服相关技术中存在的问题，本公开提供一种目标检测方法、装置、电子设备及计算机可读存储介质。

根据本公开实施例的第一方面，提供一种目标检测方法，包括：

针对初始边界框对集合中的每个边界框对，根据所述边界框对对应的各个边界框的得分确定联合得分；其中，所述边界框对由人的图像区域对应的边界框和所述人的相关部位的图像区域对应的边界框组成；

根据所述每个边界框对的联合得分对所述初始边界框对集合中的边界框对进行抑制处理，得到目标边界框对集合。

进一步的，所述针对初始边界框对集合中的每个边界框对，根据所述边界框对对应的各个边界框的得分确定联合得分，包括：

针对初始边界框对集合中的每个边界框对，对所述边界框对的第一边界框的得分和第二边界框的得分进行加权处理，得到加权分数；

将所述加权分数作为所述边界框对的联合得分。

进一步的，所述根据所述每个边界框对的联合得分对所述初始边界框对集合中的边界框对进行抑制处理，得到目标边界框对集合，包括：

根据所述联合得分对所述初始边界框对集合中的边界框对进行排序处理；

根据排序结果选取联合分数最大的边界框对作为目标边界框对，并将所述目标边界框对加入到目标边界框对集合中；

根据所述目标边界框对对所述初始边界框对集合中剩余边界框对进行抑制处理，根据处理结果更新所述初始边界框对集合。

进一步的，所述根据所述目标边界框对对所述初始边界框对集合中剩余边界框对进行抑制处理，根据处理结果更新所述初始边界框对集合，包括：

针对所有剩余边界框对，分别计算所述目标边界框对与各个剩余边界框对的交并比；