[发明专利]目标检测方法及装置、设备及存储介质

说明书

本发明实施例公开了一种目标检测方法及装置、目标检测设备及存储介质。所述目标检测方法，包括：获取n个不同的目标检测器确定的与定位目标相关的n类检测框，其中，所述n个不同的目标检测器能够从同一图像中提取n类不同的图像特征；n为等于或大于2的正整数；基于所述n类检测框，获得整合后的检测框；所述n个不同的目标检测器中的每个目标检测器基于所述整合后的检测框从输入图像中提取图像特征，得到n类图像特征；基于n类图像特征进行图像特征优化，得到优化后的图像特征；根据所述优化后的图像特征，得到优化后的检测框，以对目标进行检测。

技术领域

本发明涉及计算机视觉技术领域，尤其涉及一种目标检测方法及装置、设备及计算机存储介质。

背景技术

计算机视觉技术通常涉及图像采集，然后通过对采集到的图像的分析实现对目标的跟踪或者目标的行为分析。在一些场景下，计算机视觉技术还涉及基于行为分析和/或进行非法行为的跟踪及预警等操作。

在计算机视觉技术中通常利用深度学习模型进行目标检测，但是可能存在的问题是：目标跟丢或者目标跟踪错误。

发明内容

有鉴于此，本发明实施例期望提供一种目标检测方法及装置、设备及计算机存储介质。

本发明实施例提供的一种目标检测方法，包括：

获取n个不同的目标检测器确定的与定位目标相关的n类检测框，其中，所述n个不同的目标检测器能够从同一图像中提取n类不同的图像特征；n为等于或大于2的正整数；

基于所述n类检测框，获得整合后的检测框；

所述n个不同的目标检测器中的每个目标检测器基于所述整合后的检测框从输入图像中提取图像特征，得到n类图像特征；

基于n类图像特征进行图像特征优化，得到优化后的图像特征；

根据所述优化后的图像特征，得到优化后的检测框，以对目标进行检测。

基于上述方案，所述基于n类图像特征进行图像特征优化，得到优化后的图像特征，包括：

在第m次执行所述方法时，利用所述n类图像特征中的n-1类图像特征，优化所述n类图像特征中的第p类图像特征，得到所述优化后的图像特征；

其中，第p类图像特征为所述n类图像特征中除所述n-1类图像特征之外的一类图像特征；m为大于0的整数，p为大于0小于等于n的整数。

基于上述方案，p＝mod(m/n)+1。

基于上述方案，所述利用所述n类图像特征中的n-1类图像特征，优化所述n类图像特征中的第p类图像特征，得到所述优化后的图像特征，包括：

对所述n-1类图像特征中的每一类图像特征进行卷积处理，得到所述n-1类图像特征中的每一类图像特征的卷积特征；

利用所述卷积特征优化所述n类图像特征中的第p类图像特征，得到所述优化后的图像特征。

基于上述方案，所述对所述n-1类图像特征中的每一类图像特征进行卷积处理，得到所述n-1类图像特征中的每一类图像特征的卷积特征，包括：

对所述n-1类图像特征中的每一类图像特征进行第一卷积处理，得到n-1类的第一卷积特征；

对所述n-1类的第一卷积特征中的每一类第一卷积特征进行激活处理，得到n-1类激活特征；

对所述n-1类激活特征中的每一类激活特征进行第二卷积处理，得到所述n-1类图像特征中的每一类图像特征的卷积特征。

基于上述方案，所述根据所述优化后的图像特征，得到优化后的检测框，包括：