[发明专利]一种目标检测方法及设备

权利要求书

1.一种目标检测方法，其特征在于，包括：

确定已采集的待检测图像；

通过预先训练的卷积神经网络，在所述待检测图像中提取图像特征；

根据所述图像特征确定所述待检测图像中检测目标的类别，其中，所述类别包括施工机械、烟火、导地线异物；

针对不同类别的检测目标，使用预先训练的检测模型，确定所述检测目标在所述待检测图像中的位置；

所述检测目标的类别为所述施工机械时，所述预先训练的检测模型通过CascadeR-CNN算法预先训练生成；

所述检测目标的类别为所述烟火时，所述预先训练的检测模型通过FasterR-CNN算法预先训练生成；

所述检测目标的类别为导地线异物时，所述预先训练的检测模型通过FCOS算法预先训练生成；

通过预先训练的卷积神经网络，在所述待检测图像中提取图像特征，包括：

通过预先训练的卷积神经网络，对所述待检测图像进行降维处理；

通过共享卷积层提取所述待检测图像的多个尺度的图像特征；

通过预先训练的卷积神经网络，对所述待检测图像进行降维处理之后，所述方法还包括：

得到所述待检测图像的基础特征；

通过共享卷积层提取所述待检测图像的多个尺度的图像特征，包括：

通过共享卷积层，将所述基础特征进行特征降维处理，得到小尺度特征；

将所述小尺度特征进行特征降维处理，得到中尺度特征；

将所述中尺度特征进行特征降维处理，得到大尺度特征；

针对不同类别的检测目标，使用预先训练的检测模型，确定所述检测目标在所述待检测图像中的位置，包括：

确定所述检测目标的类别为施工机械；

在所述待检测图像中确定若干个候选区域；

通过分类器确定在每个候选区域中，所对应的目标位置以及分类得分；

基于所述分类得分和所述目标位置，通过NMS算法，确定所述检测目标在所述待检测图像中的边界框；

针对不同类别的检测目标，使用预先训练的检测模型，确定所述检测目标在所述待检测图像中的位置，包括：

确定所述检测目标的类别为烟火；

在所述待检测图像中确定若干个候选区域；

通过对所述图像特征进行特征降维、特征拼接以及特征融合，确定在每个候选区域中，所对应的目标位置以及分类得分；

基于所述分类得分和所述目标位置，通过SoftNMS算法，确定所述检测目标在所述待检测图像中的边界框；

针对不同类别的检测目标，使用预先训练的检测模型，确定所述检测目标在所述待检测图像中的位置，包括：

确定所述检测目标的类别为导地线异物；

将所述图像特征进行特征降维处理后，得到每个点对应的分类特征和位置特征；

根据所述分类特征得到每个点对应的分类得分，并进行中心点预测；

根据预测的中心点以及所述位置特征，得到目标位置；

基于所述分类得分以及所述目标位置，通过NMS算法，确定所述检测目标在所述待检测图像中的边界框。

2.一种目标检测设备，其特征在于，包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：

确定已采集的待检测图像；

通过预先训练的卷积神经网络，在所述待检测图像中提取图像特征；

根据所述图像特征确定所述待检测图像中检测目标的类别，其中，所述类别包括施工机械、烟火、导地线异物；

针对不同类别的检测目标，使用预先训练的检测模型，确定所述检测目标在所述待检测图像中的位置；

所述检测目标的类别为所述施工机械时，所述预先训练的检测模型通过CascadeR-CNN算法预先训练生成；

所述检测目标的类别为所述烟火时，所述预先训练的检测模型通过FasterR-CNN算法预先训练生成；

所述检测目标的类别为导地线异物时，所述预先训练的检测模型通过FCOS算法预先训练生成；

通过预先训练的卷积神经网络，在所述待检测图像中提取图像特征，包括：

通过预先训练的卷积神经网络，对所述待检测图像进行降维处理；

通过共享卷积层提取所述待检测图像的多个尺度的图像特征；

通过预先训练的卷积神经网络，对所述待检测图像进行降维处理之后，还包括：

得到所述待检测图像的基础特征；

通过共享卷积层提取所述待检测图像的多个尺度的图像特征，包括：

通过共享卷积层，将所述基础特征进行特征降维处理，得到小尺度特征；

将所述小尺度特征进行特征降维处理，得到中尺度特征；

将所述中尺度特征进行特征降维处理，得到大尺度特征；

针对不同类别的检测目标，使用预先训练的检测模型，确定所述检测目标在所述待检测图像中的位置，包括：

确定所述检测目标的类别为施工机械；

在所述待检测图像中确定若干个候选区域；

通过分类器确定在每个候选区域中，所对应的目标位置以及分类得分；

基于所述分类得分和所述目标位置，通过NMS算法，确定所述检测目标在所述待检测图像中的边界框；

针对不同类别的检测目标，使用预先训练的检测模型，确定所述检测目标在所述待检测图像中的位置，包括：

确定所述检测目标的类别为烟火；

在所述待检测图像中确定若干个候选区域；

通过对所述图像特征进行特征降维、特征拼接以及特征融合，确定在每个候选区域中，所对应的目标位置以及分类得分；

基于所述分类得分和所述目标位置，通过SoftNMS算法，确定所述检测目标在所述待检测图像中的边界框；

针对不同类别的检测目标，使用预先训练的检测模型，确定所述检测目标在所述待检测图像中的位置，包括：

确定所述检测目标的类别为导地线异物；

将所述图像特征进行特征降维处理后，得到每个点对应的分类特征和位置特征；

根据所述分类特征得到每个点对应的分类得分，并进行中心点预测；

根据预测的中心点以及所述位置特征，得到目标位置；

基于所述分类得分以及所述目标位置，通过NMS算法，确定所述检测目标在所述待检测图像中的边界框。