[发明专利]目标检测方法、装置及电子设备

说明书

本申请一种目标检测方法、装置及电子设备，所述方法包括：获取在预设背景上的待处理图像；通过预先训练的特征提取模型对待处理图像进行特征提取，获得待处理图像的第一整体图像特征；通过预先训练的可逆神经网络模型对第一整体图像特征进行特征映射，获得第一整体图像特征对应的第一数据矩阵；其中，可逆神经网络模型通过将预设背景上不包含前景目标的样本图像的第二整体图像特征映射至一目标函数的目标分布训练获得；根据将第一数据矩阵输入预设的目标函数进行处理得到的分布与目标分布之间的差异，确定预设背景中前景目标的位置及范围信息。如此，可以准确地确定出前景目标，并且具有较高的鲁棒性。

技术领域

本申请涉及图像处理技术领域，具体而言，涉及一种目标检测方法、装置及电子设备。

背景技术

随着图像处理技术的不断发展，基于机器学习的目标检测或目标跟踪技术被应用在各行各业。在固定背景场景下的进行目标检测或目标跟踪时，通常需要先从相对固定的背景图像中确定出现或发生变化的前景目标所在的区域或位置，在一些方案中，采用背景差分法来确定前景目标，其思想是实时把当前的视频帧与保存到本地的背景帧图片做差，得到的非零像素即为潜在的前景，这种方法很直观，但是在应用中受噪声干扰较大，需要不断修改策略过滤干扰；在另一些方案中，采用了基于背景建模的方法(如混合高斯背景建模)确定前景目标，其通过函数去模拟视频帧像素的分布，这种方法会产生不连续、随机分布的噪点，且容易过滤掉进入视场后保持不动的目标，这对前景的正确提取提高了难度；在又一些方案中，采用了基于光流的方法确定前景目标，其可以提取当前帧相对上一帧光流向量大于阈值的区域作为前景，但由于光流基于前景目标运动速度的限制、视频场景区域光照稳定的假设，在实际应用中经常会出现这两条假设外的情况，且容易受到风吹草动的影响，算法表现不够鲁棒。

发明内容

为了克服现有技术中的上述不足，本申请的目的在于提供一种目标检测方法，所述方法包括：

获取在预设背景上的待处理图像；

通过预先训练的特征提取模型对所述待处理图像进行特征提取，获得所述待处理图像的第一整体图像特征；

通过预先训练的可逆神经网络模型对所述第一整体图像特征进行特征映射，获得所述第一整体图像特征对应的第一数据矩阵；其中，所述可逆神经网络模型通过将所述预设背景上不包含前景目标的样本图像的第二整体图像特征映射至一目标函数的目标分布训练获得；

根据将所述第一数据矩阵输入预设的目标函数进行处理得到的分布与所述目标分布之间的差异，确定所述预设背景中前景目标的位置及范围信息。

在一种可能的实现方式中，所述方法还包括：

获取所述预设背景上不包含前景目标的样本图像；

通过所述特征提取模型对所述样本图像进行特征提取，获取所述样本图像的第二整体图像特征；

通过待训练的所述可逆神经网络模型对所述第二整体图像特征进行特征映射，获得所述第二整体图像特征对应的第二数据矩阵；

基于与所述目标函数对应的所述目标分布，采用最大似然估计法反向求导更新所述可逆神经网络的映射函数的参数，使所述第二数据矩阵经所述目标函数处理后的分布符合所述目标分布，获得训练后的所述可逆神经网络模型。

在一种可能的实现方式中，与所述目标函数对应的所述目标分布为均值为0、方差为1的高斯分布；所述基于与所述目标函数对应的所述目标分布，采用最大似然估计法反向求导更新所述可逆神经网络的映射函数的参数，使所述第二数据矩阵经所述目标函数处理后的分布符合所述目标分布的步骤，包括：

根据下述公式确定所述可逆神经网络模型的映射函数的参数G，

x_i＝G^-1(z_i)