[发明专利]一种视频目标检测方法、装置、设备以及存储介质

权利要求书

1.一种视频目标检测方法，其特征在于，包括：

获取待检测视频中的目标视频帧以及支撑视频帧；所述目标视频帧为所述待检测视频中包含目标物体的任一帧视频帧；所述支撑视频帧包括所述待检测视频中除所述目标视频帧外的至少一个视频帧；

将所述目标视频帧以及所述支撑视频帧输入到已训练的视频目标检测模型中处理，得到所述目标物体对应的检测结果；所述检测结果包括所述目标物体对应的类别和位置信息；其中，所述视频目标检测模型基于训练样本视频集中各个视频内的物体相似度以及训练样本视频集中各个视频间的物体相似度生成。

2.如权利要求1所述的视频目标检测方法，其特征在于，所述将所述目标视频帧以及所述支撑视频帧输入到已训练的视频目标检测模型中处理，得到所述目标视频帧对应的检测结果之前，还包括：

基于初始视频目标检测网络、所述训练样本视频集中各个视频内的物体相似度、所述训练样本视频集中各个视频间的物体相似度以及候选物体关系规约生成所述视频目标检测模型；所述候选物体关系规约用于在所述初始视频目标检测网络训练过程中约束各个候选物体之间的关系。

3.如权利要求2所述的视频目标检测方法，其特征在于，所述基于初始视频目标检测网络、所述训练样本视频集中各个视频内的物体相似度、所述训练样本视频集中各个视频间的物体相似度以及候选物体关系规约生成所述视频目标检测模型，包括：

在所述初始视频目标检测网络中基于在所述训练样本视频集中选取的样本视频以及支撑视频构建视频三元组；所述训练样本视频集包括多个视频以及每个视频中包含的每个物体所对应的样本物体特征；

基于所述视频三元组中每个视频所对应的物体特征，构建候选物体三元组；

基于所述候选物体三元组中每个候选物体对应的物体特征，确定样本视频中目标视频帧所对应的目标候选物体特征；

基于所述候选物体三元组中每个候选物体对应的物体特征，构建所述候选物体关系规约；

对所述目标候选物体特征进行识别与定位，得到所述样本视频中目标视频帧对应的检测结果；

根据预设的损失函数计算所述目标候选物体特征与样本物体特征之间的损失值；

当所述损失值或所述候选物体关系规约不满足预设条件时，调整所述初始视频目标检测网络的网络参数，并返回继续训练所述初始视频目标检测网络；当所述损失值以及所述候选物体关系规约均满足所述预设条件时，停止训练所述初始视频目标检测网络，并将训练后的所述初始视频目标检测网络作为所述视频目标检测模型。

4.如权利要求3所述的视频目标检测方法，其特征在于，所述支撑视频的数量不少于三个；所述在所述初始视频目标检测网络中基于在所述训练样本视频集中选取的样本视频以及支撑视频构建视频三元组，包括：

获取所述样本视频对应的第一特征向量，以及获取每个所述支撑视频对应的第二特征向量；

确定所述第一特征向量与每个所述第二特征向量之间的相似度；

基于所述相似度在多个所述支撑视频中选取目标支撑视频，并基于所述样本视频以及所述目标支撑视频构建所述视频三元组。

5.如权利要求3所述的视频目标检测方法，其特征在于，所述基于所述视频三元组中每个视频所对应的物体特征，构建候选物体三元组，包括：

基于所述视频三元组中每个视频所对应的物体特征，确定所述每个视频对应的第一物体相似度；所述第一物体相似度为所述每个视频内包含的物体之间的相似度；

基于每个所述第一物体相似度确定目标候选物体，并基于所述目标候选物体构建所述候选物体三元组。

6.如权利要求3所述的视频目标检测方法，其特征在于，所述基于所述候选物体三元组中每个候选物体对应的物体特征，确定样本视频中目标视频帧所对应的目标候选物体特征，包括：

基于所述每个候选物体对应的物体特征，确定所述样本视频中目标视频帧包含的物体对应的第二物体相似度；

基于所述第二物体相似度对所述样本视频中目标视频帧包含的物体进行特征增强处理，得到所述目标候选物体特征。