[发明专利]目标检测方法及系统

说明书

一种目标检测方法及系统。所述方法包括：在接收到输入图像以后，分别利用预设的两个以上检测网络模型，对所述输入图像进行目标物品检测；对各所述检测网络模型输出的中间检测结果进行融合，得到目标物品的检测结果；所述中间检测结果包括：目标物品类别信息、目标物品位置信息及置信度信息；其中，任意两个所述检测网络模型对应的训练样本的类别不同。应用上述方案，可以提高目标检测的准确性。

技术领域

本发明涉及目标检测领域，具体涉及一种目标检测方法及系统。

背景技术

深度学习的原型，是用计算机系统架构来模拟人类大脑，广泛应用在安检等领域中。其中，深度学习在安检领域的应用，主要为目标检测，即检测出输入图像中目标物品的位置和分类信息。

现有基于深度学习进行目标检测的方案，通常使用单个卷积神经网络(Convolutional Neural Networks，CNN)或全连接深度神经网络(Deep Neural Networks，DNN)，进行目标检测。

然而，采用上述方案进行目标检测的准确性较差。

发明内容

本发明要解决的问题是：提高目标检测的准确性。

为解决上述问题，本发明实施例提供了一种目标检测方法，所述方法包括：

在接收到输入图像以后，分别利用预设的两个以上检测网络模型，对所述输入图像进行目标物品检测；

对各所述检测网络模型输出的中间检测结果进行融合，得到目标物品的检测结果；所述中间检测结果包括：目标物品类别信息、目标物品位置信息及置信度信息；

其中，任意两个所述检测网络模型对应的训练样本的类别不同。

可选地，任意两个所述检测网络模型对应的训练样本的类别完全不同，或者部分不同。

可选地，任意两个所述检测网络模型对应训练样本的类别数量的差异，小于预设第一类别差值；每个所述检测网络模型对应的训练样本中，任意两类别的训练样本数量的差异，小于第一样本差阈值。

可选地，所述两个以上检测网络模型是通过如下方法进行训练得到的：

统计所有训练样本中，各类别的训练样本数量，并确定具有最多训练样本的第一类别与具有最少训练样本的第二类别；

将所述第一类别所具有的训练样本数量至所述第二类别所具有的训练样本数量所限定的训练样本区间，均匀划分为K份，得到K-1个样本数量分隔值，K为大于1的正整数；

基于K-1个样本数量分隔值，及各类别的训练样本数量，对所获取的训练样本的类别进行分隔，得到K个检测网络模型的训练样本，并进行训练。

可选地，所述对各所述检测网络模型输出的中间检测结果进行融合，得到所述目标物品的检测结果，包括：

当同一目标物品的目标物品类别信息，仅存在于其中一个中间检测结果中时，将所在的中间检测结果，作为所述目标物品的检测结果。

当同一目标物品的目标物品类别信息，存在与两个以上中间检测结果中时，结合所述两个以上中间检测结果中的目标物品位置信息及置信度信息，得到所述目标物品的检测结果。

可选地，所述结合所述两个以上中间检测结果中的目标物品位置信息及置信度信息，得到所述目标物品的检测结果，包括：

对于所述两个以上中间检测结果中，任一置信度非最低的中间检测结果，分别计算第一面积，并对任一所述第一面积均执行以下操作：计算所述第一面积与各第二面积之间的重合面积，并根据所述重合面积的大小，对相应的中间检测结果进行剔除操作，将所述两个以上中间检测结果中执行剔除操作后的中间检测结果，作为本轮所述目标物品的检测结果；