[发明专利]视觉检测方法、系统及电子设备

权利要求书

1.一种视觉检测方法，适用于视觉检测系统进行视觉检测的采样图像为视频，所述视频中存在目标检测物的场景，所述方法，包括：

基于目标检测算法对所述视频中的每一帧进行目标检测物检测；

如果出现第一目标检测物，将存在所述第一目标检测物的帧作为关键帧，并且确定所述关键帧中所述第一目标检测物的第一坐标和第一数量；

基于所述关键帧中所述第一目标检测物的第一坐标和第一数量获取所述关键帧的相邻帧中第二目标检测物的坐标；

判断出所述相邻帧中的所述第二目标检测物与所述关键帧中的所述第一目标检测物相同；

对所述第一目标检测物进行身份关联，得到所述第一目标检测物的运动轨迹；

在确定所述运动轨迹的长度大于长度阈值的条件下，确定所述第一目标检测物的相关信息。

2.如权利要求1所述的视觉检测方法，基于所述关键帧中所述第一目标检测物的第一坐标和第一数量获取所述关键帧的相邻帧中第二目标检测物的坐标，具体包括：

将所述关键帧进行前向神经网络处理，得到所述关键帧的初始特征图；

如果所述关键帧的相邻帧出现第二目标检测物的第二数量小于所述第一数量，利用所述关键帧中所述第一目标检测物的所述坐标在所述初始特征图上做区域池化，得到第一池化特征图；

将所述第一池化特征图经过前向神经网络处理后得到核特征图；

将关键帧上做区域池化的边界进行扩张后对所述关键帧的相邻帧做区域池化，得到第二池化特征图；

利用所述核特征图在所述第二池化特征图做卷积，得到所述相邻帧中所述第二目标检测物的第二坐标。

3.如权利要求1或2所述的视觉检测方法，所述视觉检测系统采用视觉检测模型进行视觉检测，基于目标检测算法对所述视频中的每一帧进行目标检测物检测之前，所述方法，还包括：

将视频输入至所述视觉检测模型。

4.如权利要求3所述的视觉检测方法，将采样图像输入至视觉检测模型后，所述方法，还包括：

基于共性特征对所述采样图像进行特征分解，得到特征序列；

对所述特征序列进行编码，得到所述编码序列；

将所述编码序列加入所述视觉检测模型的输出。

5.如权利要求3所述的视觉检测方法，所述视觉检测模型包括前向神经网络的场景，将采样图像输入至所述视觉检测模型之后，所述方法，还包括：

对采样图像进行初始处理，得到初始语义向量；

将所述初始语义向量分别输入多个第一前向神经网络，得到多个中间语义向量；

将所述初始语义向量输入至第二前向神经网络，得到对应所述中间语义向量的激活向量；

将所述激活向量作为所述中间语义向量的权重，得到最终语义向量；

将所述最终语义向量作为所述视觉检测模型的输出。

6.如权利要求1所述的视觉检测方法，基于目标检测算法对所述视频中的每一帧进行目标检测物检测之前，所述方法，还包括：

采用梯度下降优化超参数；

采用锐化核心对所述采样图像进行锐化处理，所述锐化核心包括所述超参数与锐化核的乘积，或者，基于所述超参数对所述目标检测物所在区域的像素进行增强。

7.如权利要求3所述的视觉检测方法，将采样图像输入至所述视觉检测模型之前，所述方法，还包括：

使用原始脏数据集进行迭代训练所述视觉检测模型，其中所述原始脏数据集中的训练数据已完成标注；

在迭代设定次数后，利用所述视觉检测模型对所述训练数据输出预测结果；

若所述预测结果与所述训练数据的标注不一致，则确定所述训练数据中出现错标数据；

将所述训练数据与真值进行比较，确定所述目标检测物的种类，并且为对应的所述训练数据设置置信度；

基于所述置信度计算所述置信度的距离队列；

基于所述距离队列对所述置信度进行排序；

基于所述距离队列的排序结果，至少选取距离最大的置信度对应的标注所述训练数据作为错标数据。