[发明专利]用于检测目标的方法和装置

摘要

本申请实施例公开了用于检测目标的方法和装置。该方法的一具体实施方式包括：获取待检测彩色图像和待检测深度图像，其中，待检测彩色图像和待检测深度图像包括待检测目标的图像区域；从待检测彩色图像中提取待检测目标的第一特征信息，并从待检测深度图像中提取待检测目标的第二特征信息；融合待检测目标的第一特征信息和待检测目标的第二特征信息，得到待检测目标的融合特征信息；将待检测目标的融合特征信息输入至预先训练的目标检测模型，得到待检测目标的类别和位置，其中，目标检测模型用于表征目标的融合特征信息与目标的类别和位置之间的对应关系。该实施方式结合彩色图像和深度图像进行目标检测，提高了目标检测的准确度。 1

主权项

1.一种用于检测目标的方法，包括：

获取待检测彩色图像和待检测深度图像，其中，所述待检测彩色图像和所述待检测深度图像包括待检测目标的图像区域；

从所述待检测彩色图像中提取所述待检测目标的第一特征信息，并从所述待检测深度图像中提取所述待检测目标的第二特征信息；

融合所述待检测目标的第一特征信息和所述待检测目标的第二特征信息，得到所述待检测目标的融合特征信息；

将所述待检测目标的融合特征信息输入至预先训练的目标检测模型，得到所述待检测目标的类别和位置，其中，所述目标检测模型用于表征目标的融合特征信息与目标的类别和位置之间的对应关系。

2.根据权利要求1所述的方法，其中，

在所述融合所述待检测目标的第一特征信息和所述待检测目标的第二特征信息，得到所述待检测目标的融合特征信息之前，还包括：

获取待检测红外图像，其中，所述待检测红外图像包括所述待检测目标的图像区域；

从所述待检测红外图像中提取所述待检测目标的第三特征信息；

以及所述融合所述待检测目标的第一特征信息和所述待检测目标的第二特征信息，得到所述待检测目标的融合特征信息，包括：

融合所述待检测目标的第一特征信息、所述待检测目标的第二特征信息和所述待检测目标的第三特征信息，得到所述待检测目标的融合特征信息。

3.根据权利要求2所述的方法，其中，所述从所述待检测彩色图像中提取所述待检测目标的第一特征信息，并从所述待检测深度图像中提取所述待检测目标的第二特征信息，包括：

将所述待检测彩色图像输入至预先训练的第一卷积神经网络，得到所述待检测目标的第一特征信息，其中，所述第一卷积神经网络用于提取目标的第一特征信息；

将所述待检测深度图像输入至预先训练的第二卷积神经网络，得到所述待检测目标的第二特征信息，其中，所述第二卷积神经网络用于提取目标的第二特征信息。

4.根据权利要求3所述的方法，其中，所述从所述待检测红外图像中提取所述待检测目标的第三特征信息，包括：

将所述待检测红外图像输入至预先训练的第三卷积神经网络，得到所述待检测目标的第三特征信息，其中，所述第三卷积神经网络用于提取目标的第三特征信息。

5.根据权利要求2‑4之一所述的方法，其中，所述目标检测模型是通过如下训练步骤得到的：

获取训练样本，其中，所述训练样本包括样本彩色图像、样本深度图像、样本红外图像和样本目标的类别和位置，其中，所述样本彩色图像、所述样本深度图像和所述样本红外图像包括样本目标的图像区域；

从所述样本彩色图像中提取所述样本目标的第一特征信息，从所述样本深度图像中提取所述样本目标的第二特征信息，并从所述样本红外图像中提取所述样本目标的第三特征信息；

融合所述样本目标的第一特征信息、所述样本目标的第二特征信息和所述样本目标的第三特征信息，得到所述样本目标的融合特征信息；

将所述样本目标的融合特征信息作为输入，将所述样本目标的类别和位置作为输出，训练得到所述目标检测模型。

6.一种用于检测目标的装置，包括：

获取单元，配置用于获取待检测彩色图像和待检测深度图像，其中，所述待检测彩色图像和所述待检测深度图像包括待检测目标的图像区域；

提取单元，配置用于从所述待检测彩色图像中提取所述待检测目标的第一特征信息，并从所述待检测深度图像中提取所述待检测目标的第二特征信息；

融合单元，配置用于融合所述待检测目标的第一特征信息和所述待检测目标的第二特征信息，得到所述待检测目标的融合特征信息；

检测单元，配置用于将所述待检测目标的融合特征信息输入至预先训练的目标检测模型，得到所述待检测目标的类别和位置，其中，所述目标检测模型用于表征目标的融合特征信息与目标的类别和位置之间的对应关系。

7.根据权利要求6所述的装置，其中，

所述获取单元，还配置用于获取待检测红外图像，其中，所述待检测红外图像包括所述待检测目标的图像区域；

所述提取单元，还配置用于从所述待检测红外图像中提取所述待检测目标的第三特征信息；

所述融合单元，还配置用于融合所述待检测目标的第一特征信息、所述待检测目标的第二特征信息和所述待检测目标的第三特征信息，得到所述待检测目标的融合特征信息。

8.根据权利要求7所述的装置，其中，所述提取单元包括：

第一提取模块，配置用于将所述待检测彩色图像输入至预先训练的第一卷积神经网络，得到所述待检测目标的第一特征信息，其中，所述第一卷积神经网络用于提取目标的第一特征信息；

第二提取模块，配置用于将所述待检测深度图像输入至预先训练的第二卷积神经网络，得到所述待检测目标的第二特征信息，其中，所述第二卷积神经网络用于提取目标的第二特征信息。

9.根据权利要求8所述的装置，其中，所述提取单元还包括：

第三提取模块，配置用于将所述待检测红外图像输入至预先训练的第三卷积神经网络，得到所述待检测目标的第三特征信息，其中，所述第三卷积神经网络用于提取目标的第三特征信息。

10.根据权利要求7‑9之一所述的装置，其中，所述目标检测模型是通过如下训练步骤得到的：

获取训练样本，其中，所述训练样本包括样本彩色图像、样本深度图像、样本红外图像和样本目标的类别和位置，其中，所述样本彩色图像、所述样本深度图像和所述样本红外图像包括样本目标的图像区域；

从所述样本彩色图像中提取所述样本目标的第一特征信息，从所述样本深度图像中提取所述样本目标的第二特征信息，并从所述样本红外图像中提取所述样本目标的第三特征信息；

融合所述样本目标的第一特征信息、所述样本目标的第二特征信息和所述样本目标的第三特征信息，得到所述样本目标的融合特征信息；

将所述样本目标的融合特征信息作为输入，将所述样本目标的类别和位置作为输出，训练得到所述目标检测模型。

11.一种电子设备，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1‑5中任一所述的方法。

12.一种计算机可读存储介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1‑5中任一所述的方法。