[发明专利]一种基于计算机视觉的目标检测方法和装置

权利要求书

1.一种基于计算机视觉的目标检测方法，其特征在于，包括：

对港口作业区的历史监控视频进行运动信息检测，并根据所述运动信息进行截图并对目标进行标注以制作数据集；

建立神经网络Yolov5x，利用所述数据集中的一部分对所述神经网络Yolov5x进行初步训练以获取目标检测模型；

使用所述目标检测模型对所述数据集中的另一部分进行目标检测以分析误检目标和漏检目标；

基于所述误检目标和/或所述漏检目标，通过数据增广更新所述数据集，并利用更新的数据集对所述目标检测模型进行强化训练；以及

每隔预定时间对所述港口作业区的当前监控视频进行截图以获得待检测图片并利用强化的目标检测模型对所述待检测图片进行目标检测。

2.根据权利要求1所述的基于计算机视觉的目标检测方法，其特征在于，对港口作业区的历史监控视频进行运动信息检测，并根据所述运动信息进行截图并对目标进行标注以制作数据集进一步包括：

从数据库中获取所述港口作业区的历史监控视频；

根据所述历史监控视频的图片帧间信息使用高斯混合模型将所述历史监控视频分类为静止像素和运动像素以判断出所述历史监控视频中的运动像素区域；以及

对所述历史监控视频中存在运动像素区域的图片进行截图并且对所述运动像素区域中的目标进行标注以生成所述数据集。

3.根据权利要求2所述的基于计算机视觉的目标检测方法，其特征在于，所述目标包括要检测的尺寸相对较大的大目标和尺寸相对较小的小目标，在利用所述数据集对所述神经网络Yolov5x进行训练以获取目标检测模型之前，还包括：

根据所述港口作业区的所述历史监控视频和所述当前监控视频中的小目标的尺寸，确定所述数据集中的每个图片帧的输入尺寸。

4.根据权利要求3所述的基于计算机视觉的目标检测方法，其特征在于，建立神经网络Yolov5x还包括：

所述神经网络Yolov5x的基网使用CSP网络架构；以及

在所述神经网络Yolov5x的移动步长为8、16和32的金字塔特征图的基础上，增加移动步长为4的金字塔特征图以检测所述小目标。

5.根据权利要求3所述的基于计算机视觉的目标检测方法，其特征在于，分析误检目标和漏检目标进一步包括：

将使用所述目标检测模型检测到的目标与所述数据集的对应的图片中的标注目标进行比较，以确定所述误检目标和所述漏检目标，其中，

将所述对应的被标注的第一图片中本来没有目标，而使用所述目标检测模型检测到的目标确定为所述误检目标；以及

将所述对应的被标注的第二图片中具有目标，而使用所述目标检测模型没有检测到的目标确定为所述漏检目标。

6.根据权利要求5所述的基于计算机视觉的目标检测方法，其特征在于，基于所述误检目标，通过数据增广更新所述数据集，其中，利用更新的数据集提升所述目标检测模型的鲁棒性进一步包括：

当所述误检目标是稳定的误检目标时，将检测到所述误检目标的所述第一图片进行正确标注并添加至所述数据集；

从所述第一图片中随机剪裁所述误检目标作为负样本的图片进行数据增广以更新所述数据集；以及

将具有不同相对尺寸的目标的图片与所述负样本的图片输入所述目标检测模型，使得所述目标检测模型识别出所述目标与所述误检目标之间的区别。

7.根据权利要求5所述的基于计算机视觉的目标检测方法，其特征在于，基于所述漏检目标，通过数据增广更新所述数据集，其中，利用更新的数据集提升所述目标检测模型的鲁棒性进一步包括：

通过改变所述第二图片的亮度和对比度进行数据增广和/或通过从所述第二图片中随机抠出所述漏检目标并将所述漏检目标粘贴到所述第二图片的其他位置处进行数据增广，以更新所述数据集，其中，所述第二图片中具有漏检目标；以及

将粘贴有所述漏检目标的第二图片输入所述目标检测模型，使得所述目标检测模型能够检测出所述漏检目标。