[发明专利]一种基于分块并行的目标检测方法

权利要求书

1.一种基于分块并行的目标检测方法，用于对输入图像中的目标进行检测，其特征在于，包括以下步骤：

步骤S101、基于预设的图像分析模型，对所述输入图像的尺度进行评估，以确定所述输入图像的尺度是否超出目标检测模型的标准输入尺度；响应于所述输入图像的尺度超出所述目标检测模型的标准输入尺度，基于所述图像分析模型得出图像分块策略，对所述输入图像进行分块，得到多个子块，并将多个所述子块划分于至少一个批次中，以获取批次数据；

步骤S102、将所述批次数据中的每个所述子块通过所述目标检测模型进行并行检测，得到每个所述子块中所述目标的检测结果，基于全局坐标映射对所述检测结果中的目标位置信息进行计算，得到所述检测结果的目标全局位置信息，并根据所述子块相对于所述目标检测模型的标准输入尺度的比例，对所述检测结果中的目标高度和目标宽度进行计算，得出所述检测结果的目标全局高度和目标全局宽度，基于所述目标全局位置信息、所述目标全局高度和所述目标全局宽度，以确定检测框的位置、大小；

步骤S103、基于软化的非最大化抑制，并根据所述检测框去除所述检测结果的冗余项，输出所述输入图像的检测结果。

2.如权利要求1所述的一种基于分块并行的目标检测方法，其特征在于，在步骤S101中：

所述图像分析模型包括：第一分析模型、第二分析模型；

基于所述第一分析模型，获取所述输入图像的宽度相对于所述目标检测模型的标准输入尺度的宽度的缩放因子δ₁；

基于所述第二分析模型，获取所述输入图像的宽度相对于所述输入图像的高度的比例切分因子δ₂；

通过所述缩放因子δ₁与所述比例切分因子δ₂的乘积来评估所述输入图像的尺度是否超出所述目标检测模型的标准输入尺度；其中，所述缩放因子δ₁与所述比例切分因子δ₂的乘积大于1时，评估为所述输入图像的尺度超出所述目标检测模型的标准输入尺度。

3.如权利要求2所述的一种基于分块并行的目标检测方法，其特征在于，所述第一分析模型表示为：

其中，width_i为所述输入图像的宽度；width_std为所述目标检测模型的标准输入尺度的宽度。

4.如权利要求2所述的一种基于分块并行的目标检测方法，其特征在于，所述第二分析模型表示为：

其中，θ取1.1～1.3之间的浮点数；width_i为所述输入图像的宽度；height_i为所述输入图像的高度。

5.如权利要求1所述的一种基于分块并行的目标检测方法，其特征在于，步骤S101具体为：

基于所述目标检测模型的可并行检测最大数量，将多个所述子块划分于至少一个批次，以获取所述批次数据；其中，所述子块的数量大于所述目标检测模型的可并行检测最大数量时，将多个所述子块划分为多个批次，获取多个所述批次数据；

所述批次数据表示为：

B_i＝b×w_s×w_s×c；

其中，B_i表示第i个批次的所述批次数据；w_s表示经过所述图像分块策略确定的所述子块的宽度；c表示通道数；b表示批次中包含所述子块的数量。

6.如权利要求1所述的一种基于分块并行的目标检测方法，其特征在于，在步骤S102中：

所述检测结果表示为：

其中，P_i表示第i个批次的所述批次数据中每个所述子块中所述目标的所述检测结果的集合；n_k表示所述批次数据中第k个所述子块的所述检测结果的数量；每个所述子块中的所述检测结果用n×5的矩阵表示，矩阵中的每一行分别表示目标左上角的x坐标、目标左上角的y坐标、所述目标宽度、所述目标高度和置信度，目标左上角的x坐标和目标左上角的y坐标为所述目标位置信息。