[发明专利]视频检测方法、目标检测网络训练方法、装置及终端设备有效
申请号: | 202010068562.5 | 申请日: | 2020-01-19 |
公开(公告)号: | CN111242081B | 公开(公告)日: | 2023-05-12 |
发明(设计)人: | 丁旭;胡文泽 | 申请(专利权)人: | 深圳云天励飞技术有限公司 |
主分类号: | G06V20/40 | 分类号: | G06V20/40;G06N3/0464;G06N3/082;G06V10/82 |
代理公司: | 深圳中一联合知识产权代理有限公司 44414 | 代理人: | 左婷兰 |
地址: | 518000 广东省深圳市龙岗区横岗*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 视频 检测 方法 目标 网络 训练 装置 终端设备 | ||
本申请适用于计算机技术领域,提供了一种视频检测方法、目标检测网络训练方法、装置及终端设备,视频检测方法包括:获取目标视频的视频帧数据,所述视频帧数据包括多帧第一帧数据和多帧第二帧数据,其中,相邻的两个所述第一帧数据之间包括至少一个第二帧数据;基于训练后的第一目标检测网络检测所述第一帧数据;基于训练后的第二目标检测网络检测所述第二帧数据。本申请在检测一个视频时同时使用一个大网络和一个小网络对视频帧数据进行检测,相较于现有的只使用大网络进行视频检测检测速度快,相较于现有的只使用小网络进行视频检测的检测准确度更高,所以本申请在对视频进行检测时既保证了检测准确度,同时也提高了检测速度。
技术领域
本申请属于计算机技术领域,尤其涉及一种视频检测方法、目标检测网络训练方法、装置及终端设备。
背景技术
近年来,随着互联网的迅速发展,大数据时代来临,各行业对有效数据的需求与日俱增。与此同时,越来越多的视频被上传至网络,成为新兴的数据宝库,从视频中获取有效数据进行分析是发展的方向,因此视频目标检测成为炙手可热的研究问题。
目前,目标检测方法主要包括:基于传统图像处理的目标检测方法和基于深度学习的目标检测方法。基于传统图像处理的目标检测方法为:目标特征提取-目标识别-目标定位;基于深度学习的目标检测方法为:图像的深度特征提取-基于深度神经网络的目标识别与定位。但是,上述两种目标检测方法在检测视频中的目标时,对视频的检测速度都比较慢,无法达到实时检测的效果。
发明内容
本申请实施例提供了一种视频检测方法、目标检测网络训练方法、装置及终端设备,可以解决目前对视频检测速度慢的问题。
第一方面,本申请实施例提供了一种视频检测方法,包括:
获取目标视频的视频帧数据,所述视频帧数据包括多帧第一帧数据和多帧第二帧数据,其中,相邻的两个所述第一帧数据之间包括至少一个第二帧数据;
基于训练后的第一目标检测网络检测所述第一帧数据,得到第一检测结果;
基于训练后的第二目标检测网络检测所述第二帧数据,得到第二检测结果,其中,所述第二目标检测网络中第二网络层的个数小于所述第一目标检测网络中第一网络层的个数,或/和所述第二目标检测网络中的通道个数小于所述第一目标检测网络中的通道个数;
基于所述第一检测结果和所述第二检测结果输出视频检测结果。
第二方面,本申请实施例提供了一种目标检测网络训练方法,用于训练第二目标检测网络,所述方法包括:
获取训练后的第一目标检测网络检测待测视频时各个所述第一采样层输出的采样输出数据,其中,第一目标检测网络包括多个第一采样层和多个第一网络层,相邻的两个所述第一采样层之间包括至少一个所述第一网络层;第二目标检测网络包括多个第二采样层和多个第二网络层,相邻的两个所述第二采样层之间包括至少一个所述第二网络层;所述第二目标检测网络中第二网络层的个数小于所述第一目标检测网络中第一网络层的个数,或/和所述第二目标检测网络中的通道个数小于所述第一目标检测网络中的通道个数;
基于第j-1个第二网络层的输出层数据对当前第二采样层进行训练,得到当前所述第二采样层的初始输出数据,其中,j≧2;
利用所述初始输出数据和与所述初始输出数据的尺寸相同的所述采样输出数据对第j个所述第二网络层进行训练。
第三方面,本申请实施例提供了一种视频检测装置,包括:
数据获取模块,用于获取目标视频的视频帧数据,所述视频帧数据包括多帧第一帧数据和多帧第二帧数据,其中,相邻的两个所述第一帧数据之间包括至少一个第二帧数据;
第一检测模块,用于基于训练后的第一目标检测网络检测所述第一帧数据,得到第一检测结果;
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳云天励飞技术有限公司,未经深圳云天励飞技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010068562.5/2.html,转载请声明来源钻瓜专利网。