[发明专利]目标检测方法及装置

摘要

本发明实施例提供了目标检测方法及装置，所述方法包括：获取待检测图像；根据级联神经网络对待检测图像的多个候选区域进行分类；其中，从第二级开始的神经网络中，至少存在一级神经网络包含并列的多个该级子神经网络，上述子神经网络对前一级神经网络分类后的分类结果进行分类；根据多个候选区域的最终分类结果，确定出目标区域。本发明实施例中，从第二级开始的神经网络中，至少存在一级神经网络包含并列的多个该级子神经网络，可较为全面精确地对候选区域进行分类，提升分类精度；进而更加精确地确定出目标区域。且有利于减少神经网络的级数，可减少由各级神经网络组成的分类模型占用的存储空间；可应用到硬件配置较低或计算性能较弱的设备中。 1

主权项

1.一种目标检测方法，其特征在于，包括：

获取待检测图像；

根据级联神经网络对所述待检测图像的多个候选区域进行分类；

其中，从第二级开始的神经网络中，至少存在一级神经网络包含并列的多个该级子神经网络，

上述子神经网络对前一级神经网络分类后的分类结果进行分类；

根据所述多个候选区域的最终分类结果，确定出目标区域。

2.根据权利要求1所述的方法，其特征在于，所述根据级联神经网络对所述待检测图像的多个候选区域进行分类，包括：

根据第一级神经网络，对所述待检测图像的多个候选区域进行一级分类；

根据第二级神经网络中的并列的多个第二级子神经网络，对所述一级分类后的多个目标候选区域和非目标候选区域进行二级分类；

根据所述二级分类后的多个目标候选区域，确定出目标区域。

3.根据权利要求1或2所述的方法，其特征在于，所述一级神经网络中包含的并列的多个该级子神经网络，分别表示不同的目标属性。

4.根据权利要求3所述的方法，其特征在于，当所述目标具体为人脸时，每个所述子神经网络的目标属性包括下述至少一项：人脸的正面姿态、人脸的侧面姿态、正脸或侧脸经旋转的姿态、肤色、光照条件、遮挡、清晰度。

5.根据权利要求1或2所述的方法，其特征在于，所述获取待检测图像后，还包括：

构造所述待检测图像的图像金字塔；以及

所述对所述待检测图像的多个候选区域进行分类，包括：

对所述待检测图像的图像金字塔中每一层图像的多个候选区域进行分类。

6.根据权利要求2‑5任一项所述的方法，其特征在于，所述根据所述二级分类后的多个目标候选区域，确定出目标区域之前，还包括：

根据所述二级分类后的每个目标候选区域所属的层图像、以及所述图像金字塔中各层图像之间的尺寸和位置差，对该目标候选区域的尺寸和位置进行归一化；以及

所述根据所述二级分类后的多个目标候选区域，确定出目标区域，包括：

对于所述归一化后的各目标候选区域进行合并，得到至少一个目标区域。

7.根据权利要求1‑6任一项所述的方法，其特征在于，所述神经网络包括下述一项：

卷积神经网络、玻尔兹曼机网络。

8.根据权利要求7所述的方法，其特征在于，通过下述方法训练得到所述卷积神经网络：

当训练第一级卷积神经网络时，根据多个正样本、以及负样本集中的多个负样本，对初始的第一级卷积神经网络进行预训练；所述正、负样本分别为目标区域面积达到、未达到设定阈值的图像区域；

对预训练后的第一级卷积神经网络进行迭代微调；

当训练第二级卷积神经网络时，确定出所述负样本集中被第一级卷积神经网络误分类为正样本的负样本；

根据当前的被误分类的负样本、所述负样本集中的负样本和所述多个正样本，对初始的第二级子卷积神经网络进行预训练；

对预训练后的第二级子卷积神经网络进行迭代微调；

其中，对一级卷积神经网络或子卷积神经网络进行一次迭代微调包括：

确定出所述负样本集中被当前的该级卷积神经网络或子卷积神经网络误分类为正样本的负样本；

根据当前的被误分类的负样本、所述负样本集中的负样本和所述多个正样本，对当前的该级卷积神经网络或子卷积神经网络进行训练；

根据本次迭代中训练得到的该级卷积神经网络或子卷积神经网络，对预设的测试样本集进行分类；

当所述分类结果表明针对目标的检测率上升且错误率下降时，进行下一次迭代微调，直到所述检测率下降或错误率上升。

9.一种目标检测装置，其特征在于，包括：

图像获取模块，用于获取待检测图像；

候选区域分类模块，用于根据级联神经网络对所述待检测图像的多个候选区域进行分类；其中，从第二级开始的神经网络中，至少存在一级神经网络包含并列的多个该级子神经网络，上述子神经网络对前一级神经网络分类后的分类结果进行分类；

目标区域确定模块，用于根据所述多个候选区域的最终分类结果，确定出目标区域。

10.根据权利要求9所述的装置，其特征在于，所述候选区域分类模块，包括：

第一级分类单元，用于根据第一级神经网络，对所述待检测图像的多个候选区域进行一级分类；

第二级分类单元，用于根据第二级神经网络中的并列的多个第二级子神经网络，对所述一级分类后的多个目标候选区域和非目标候选区域进行二级分类；以及

所述目标区域确定模块具体用于根据所述二级分类后的多个目标候选区域，确定出目标区域。