目标检测方法、装置及电子设备与流程

本公开涉及目标检测技术领域，尤其涉及一种目标检测方法、装置及电子设备。

背景技术：

目标检测，也叫目标提取，是一种基于目标几何和统计特征的图像分割，它将目标的分割和识别合二为一，其准确性和实时性是整个系统的一项重要能力。尤其是在复杂场景中，需要对多个目标进行实时处理时，目标自动提取和识别就显得特别重要。

随着计算机技术的发展和计算机视觉原理的广泛应用，利用计算机图像处理技术对目标进行实时跟踪研究越来越热门，对目标进行动态实时跟踪定位在智能化交通系统、智能监控系统、军事目标检测及医学导航手术中手术器械定位等方面具有广泛的应用价值。

技术实现要素：

有鉴于此，本公开实施例提供一种目标检测方法、装置及电子设备，以至少部分解决现有技术中存在的问题。

第一方面，本公开实施例提供了一种目标检测方法，包括：

对目标视频中的第一视频帧执行目标检测，以获得一个或多个目标检测结果；

设置与所述目标检测结果相匹配的第一目标表示区域，所述第一目标表示区域的面积大于所述目标检测结果的实际面积；

利用预设的关键点模型和所述第一目标表示区域，对所述第一视频帧以及与所述第一视频帧相邻的多个相邻视频帧进行关键点检测；

基于所述关键点检测的结果，确定所述第一视频帧以及与所述第一视频帧相邻的多个相邻视频帧中存在的目标对象。

根据本公开实施例的一种具体实现方式，所述基于所述关键点检测的结果，确定所述第一视频帧以及与所述第一视频帧相邻的多个相邻视频帧中存在的目标对象之后，所述方法还包括：

获取所述与所述第一视频帧相邻的多个相邻视频帧之后的第二视频帧中的视野；

判断所述第二视频帧中的视野与所述第一视频帧中的视野是否相同；

若否，则对所述第二视频帧重新开始执行目标检测。

根据本公开实施例的一种具体实现方式，所述则对所述第二视频帧重新开始执行目标检测之后，所述方法还包括：

设置与所述第二视频帧的目标检测结果相匹配的第二目标表示区域，所述第二目标表示区域的面积大于所述第二视频帧目标检测结果的实际面积；

利用预设的关键点模型和所述第二目标表示区域，对所述第二视频帧以及与所述第二视频帧相邻的多个相邻视频帧进行关键点检测；

基于所述关键点检测的结果，确定所述第二视频帧以及与所述第二视频帧相邻的多个相邻视频帧中存在的目标对象。

根据本公开实施例的一种具体实现方式，所述对目标视频中的第一视频帧执行目标检测，以获得一个或多个目标检测结果，包括：

利用预设的目标检测模型中包含的滑动窗口检测器，对所述第一视频帧中存在的对象进行检测，从而形成一个或多个目标检测结果。

根据本公开实施例的一种具体实现方式，所述利用预设的目标检测模型中包含的滑动窗口检测器，对所述第一视频帧中存在的对象进行检测，包括：

获取已经通过训练样本对所述目标检测模型完成训练后的神经网络模型；

通过固定大小的窗口以及固定步长扫描所述第一视频帧，将所述第一视频帧中处于窗口中的图像送入训练好的卷积网络进行检测；

通过变换扫描窗口的大小，检测出有无物体以及物体的定位。

根据本公开实施例的一种具体实现方式，所述设置与所述目标检测结果相匹配的第一目标表示区域，包括：

获取所述目标检测结果在所述第一视频帧上的实际区域；

以所述实际区域的中心为中心，在水平和垂直方向上分别进行预设倍数的扩展；

将扩展后的区域作为所述第一目标表示区域。

根据本公开实施例的一种具体实现方式，所述利用预设的关键点模型和所述第一目标表示区域，对所述第一视频帧以及与所述第一视频帧相邻的多个相邻视频帧进行关键点检测，包括：

获取所述目标表示区域内的图像；

基于关键点模型，对所述目标表示区域内的图像对象执行关键点检测，以得到关键点检测结果。

根据本公开实施例的一种具体实现方式，所述基于所述关键点检测的结果，确定所述第一视频帧以及与所述第一视频帧相邻的多个相邻视频帧中存在的目标对象，包括：

判断关键点检测的结果于预设的目标模型是否匹配；

若是，则将所述关键点检测的结果作为所述第一视频帧以及与所述第一视频帧相邻的多个相邻视频帧中存在的目标对象。

第二方面，本公开实施例提供了一种目标检测装置，包括：

第一检测模块，用于对目标视频中的第一视频帧执行目标检测，以获得一个或多个目标检测结果；

设置模块，用于设置与所述目标检测结果相匹配的第一目标表示区域，所述第一目标表示区域的面积大于所述目标检测结果的实际面积；

第二检测模块，用于利用预设的关键点模型和所述第一目标表示区域，对所述第一视频帧以及与所述第一视频帧相邻的多个相邻视频帧进行关键点检测；

确定模块，用于基于所述关键点检测的结果，确定所述第一视频帧以及与所述第一视频帧相邻的多个相邻视频帧中存在的目标对象。

第三方面，本公开实施例还提供了一种电子设备，该电子设备包括：

至少一个处理器；以及，

与该至少一个处理器通信连接的存储器；其中，

该存储器存储有可被该至少一个处理器执行的指令，该指令被该至少一个处理器执行，以使该至少一个处理器能够执行前述第一方面或第一方面的任一实现方式中的目标检测方法。

第四方面，本公开实施例还提供了一种非暂态计算机可读存储介质，该非暂态计算机可读存储介质存储计算机指令，该计算机指令用于使该计算机执行前述第一方面或第一方面的任一实现方式中的目标检测方法。

第五方面，本公开实施例还提供了一种计算机程序产品，该计算机程序产品包括存储在非暂态计算机可读存储介质上的计算程序，该计算机程序包括程序指令，当该程序指令被计算机执行时，使该计算机执行前述第一方面或第一方面的任一实现方式中的目标检测方法。

本公开实施例中的目标检测方案，包括对目标视频中的第一视频帧执行目标检测，以获得一个或多个目标检测结果；设置与所述目标检测结果相匹配的第一目标表示区域，所述第一目标表示区域的面积大于所述目标检测结果的实际面积；利用预设的关键点模型和所述第一目标表示区域，对所述第一视频帧以及与所述第一视频帧相邻的多个相邻视频帧进行关键点检测；基于所述关键点检测的结果，确定所述第一视频帧以及与所述第一视频帧相邻的多个相邻视频帧中存在的目标对象。通过本公开的处理方案，通过快速的对目标对象进行检测。

附图说明

为了更清楚地说明本公开实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。

图1为本公开实施例提供的一种目标检测方法的流程图；

图2为本公开实施例提供的另一种目标检测方法的流程图；

图3为本公开实施例提供的另一种目标检测方法的流程图；

图4为本公开实施例提供的另一种目标检测方法的流程图；

图5为本公开实施例提供的一种目标检测装置的结构示意图；

图6为本公开实施例提供的电子设备示意图。

具体实施方式

下面结合附图对本公开实施例进行详细描述。

以下通过特定的具体实例说明本公开的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本公开的其他优点与功效。显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。本公开还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本公开的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。

需要说明的是，下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见，本文中所描述的方面可体现于广泛多种形式中，且本文中所描述的任何特定结构及/或功能仅为说明性的。基于本公开，所属领域的技术人员应了解，本文中所描述的一个方面可与任何其它方面独立地实施，且可以各种方式组合这些方面中的两者或两者以上。举例来说，可使用本文中所阐述的任何数目个方面来实施设备及/或实践方法。另外，可使用除了本文中所阐述的方面中的一或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。

还需要说明的是，以下实施例中所提供的图示仅以示意方式说明本公开的基本构想，图式中仅显示与本公开中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。

另外，在以下描述中，提供具体细节是为了便于透彻理解实例。然而，所属领域的技术人员将理解，可在没有这些特定细节的情况下实践所述方面。

本公开实施例提供一种目标检测方法。本实施例提供的目标检测方法可以由一计算装置来执行，该计算装置可以实现为软件，或者实现为软件和硬件的组合，该计算装置可以集成设置在服务器、客户端等中。

参见图1，本公开实施例中的目标检测方法，可以包括如下步骤：

s101，对目标视频中的第一视频帧执行目标检测，以获得一个或多个目标检测结果。

目标视频可以是多种途径获取到的视频，例如，目标视频可以是通过摄像头等装置实时拍摄的视频，也可以是预先录好的一段视频。目标视频中包含多个视频帧，目标视频的视频帧中包含多个对象。

作为一个应用场景，目标视频中包含多个汽车，汽车上面包含车牌，而汽车中的车牌可以作为目标检测的对象。

常规的目标检测方法需要先对视频中的物体进行物体分割，通过物体分割的方式查找出视频中的所有物体，再对每个一视频帧中的所有物体进行识别，从而识别出真正需要识别的对象。这种方式由于涉及的步骤较多，会导致浪费较多的系统资源，降低了目标检测的速度和效率。

作为本申请方案的一种具体实施方式，可以在目标视频中选择一个视频帧作为第一视频帧，第一视频帧可以是目标视频中的起始帧，也可以是目标视频中任意的一个视频帧。可以通过物体分割的方式对第一视频帧中的所有物体进行检测，得到一个或多个目标检测结果。作为一个例子，第一视频帧可以是一个包含建筑物、汽车、人物等多种对象的图像，通过对第一视频帧进行目标检测，得到包括建筑物、建筑物窗户、汽车、汽车车牌、人物、人物头像等多个目标检测结果。

目标检测结果中包含了第一视频帧中所有的对象，而本申请的目标检测的目标则是找到特定的目标对象(例如，车牌)。

s102，设置与所述目标检测结果相匹配的第一目标表示区域，所述第一目标表示区域的面积大于所述目标检测结果的实际面积。

不同的目标检测结果具有不同的大小，与之对应的，不同的目标检测结果在第一视频帧中占有不同的面积，为了表示不同的目标检测结果，可以通过目标表示区域(第一目标表示区域)的方式来进行。第一目标表示区域可以是一个矩形框，或者第一目标表示区域也可以是其他类型的形状。在此对第一目标表示区域的形状不作限制。

在设置第一目标表示区域的过程中，为了让第一目标表示区域具有鲁棒性，可以将第一目标表示区域的面积大于目标检测结果的实际面积，这样一来，即便是目标检测结果在下一个视频帧中产生了微笑的抖动，第一目标表示区域仍然可以覆盖住目标检测结果中表示的对象。

s103，利用预设的关键点模型和所述第一目标表示区域，对所述第一视频帧以及与所述第一视频帧相邻的多个相邻视频帧进行关键点检测。

通过获取到的第一目标表示区域，可以粗略的确定该区域内包含一个对象，接下来，需要通过关键点检测的方式，对第一目标表示区域内的对象进行识别。关键点检测可以通过构建关键点模型进行检测的方式进行，利用关键点模型进行关键点检测是常见的目标检测方式，在此对关键点模型及其检测方式不进行限定。

为了提高目标检测和识别的效率，除了对第一视频帧进行关键点检测之外，对于第一关键帧相邻的多个视频帧，不经过步骤s101中的目标检测，直接利用第一视频帧检测得到的第一目标表示区域，对多个相邻视频帧中的对象进行关键点检测，从而极大的提高了目标检测的效率。

s104，基于所述关键点检测的结果，确定所述第一视频帧以及与所述第一视频帧相邻的多个相邻视频帧中存在的目标对象。

通过获得关键点检测的结果，可以得到第一视频帧以及与该第一视频帧相邻的多个相邻视频帧中存在的对象的形状，通过将这些形状于目标对象的形状进行比较，可以筛选得到目标对象。例如，如果想检测得到目标视频中存在的所有车牌，可以将关键点检测的结果与车牌的形状进行比较，从而筛选出目标视频中包含的所有车牌。

通过上述实施方式中的方案，可以仅对第一视频帧进行目标检测，而不用对相邻视频帧进行目标检测，从而极大的提高了目标检测的效率。

参见图2，根据本公开实施例的一种具体实现方式，所述基于所述关键点检测的结果，确定所述第一视频帧以及与所述第一视频帧相邻的多个相邻视频帧中存在的目标对象之后，所述方法还包括：

s201，获取所述与所述第一视频帧相邻的多个相邻视频帧之后的第二视频帧中的视野。

在拍摄视频的过程中，存在视野发生转移的现象，为此，在多个相邻视频帧之后，需要实时的检测目标视频中的视野是否发生变化。

可以用多种方式来表示视频中的视野，例如，可以通过计算视频帧平均像素值的方式来表示视野。在此，对于视野的表示方式不作限定。

s202，判断所述第二视频帧中的视野与所述第一视频帧中的视野是否相同。

通过比较第二视频帧中的视野与第一视频帧中的视野是否超过预设值的方式，可以判断第二视频帧中的视野与所述第一视频帧中的视野是否相同。

s203，若否，则对所述第二视频帧重新开始执行目标检测。

当通过比较发现，第二视频帧中的视野已经与第一视频帧中的视野不同时，此时，第一视频帧中的第一目标表示区域已经不能用来在第二视频帧中继续使用。此时，需要对第二视频帧重新开始目标检测。

根据本公开实施例的一种具体实现方式，所述则对所述第二视频帧重新开始执行目标检测之后，所述方法还包括：设置与所述第二视频帧的目标检测结果相匹配的第二目标表示区域，所述第二目标表示区域的面积大于所述第二视频帧目标检测结果的实际面积；利用预设的关键点模型和所述第二目标表示区域，对所述第二视频帧以及与所述第二视频帧相邻的多个相邻视频帧进行关键点检测；基于所述关键点检测的结果，确定所述第二视频帧以及与所述第二视频帧相邻的多个相邻视频帧中存在的目标对象。上述方式与步骤s102～s104中的方式类似，在此不再赘述。

根据本公开实施例的一种具体实现方式，所述对目标视频中的第一视频帧执行目标检测，以获得一个或多个目标检测结果，包括：利用预设的目标检测模型中包含的滑动窗口检测器，对所述第一视频帧中存在的对象进行检测，从而形成一个或多个目标检测结果。

参见图3，根据本公开实施例的一种具体实现方式，所述利用预设的目标检测模型中包含的滑动窗口检测器，对所述第一视频帧中存在的对象进行检测，包括：

s301，获取已经通过训练样本对所述目标检测模型完成训练后的神经网络模型；

s302，通过固定大小的窗口以及固定步长扫描所述第一视频帧，将所述第一视频帧中处于窗口中的图像送入训练好的卷积网络进行检测；

s303，通过变换扫描窗口的大小，检测出有无物体以及物体的定位。

参见图4，根据本公开实施例的一种具体实现方式，所述设置与所述目标检测结果相匹配的第一目标表示区域，包括：

s401，获取所述目标检测结果在所述第一视频帧上的实际区域；

s402，以所述实际区域的中心为中心，在水平和垂直方向上分别进行预设倍数的扩展；

s403，将扩展后的区域作为所述第一目标表示区域。

根据本公开实施例的一种具体实现方式，所述利用预设的关键点模型和所述第一目标表示区域，对所述第一视频帧以及与所述第一视频帧相邻的多个相邻视频帧进行关键点检测，包括：获取所述目标表示区域内的图像；基于关键点模型，对所述目标表示区域内的图像对象执行关键点检测，以得到关键点检测结果。

根据本公开实施例的一种具体实现方式，所述基于所述关键点检测的结果，确定所述第一视频帧以及与所述第一视频帧相邻的多个相邻视频帧中存在的目标对象，包括：判断关键点检测的结果于预设的目标模型是否匹配；若是，则将所述关键点检测的结果作为所述第一视频帧以及与所述第一视频帧相邻的多个相邻视频帧中存在的目标对象。

与上面的方法实施例相对应，参见图5，本公开实施例还提供了一种目标检测装置50，包括：

第一检测模块501，用于对目标视频中的第一视频帧执行目标检测，以获得一个或多个目标检测结果；

设置模块502，用于设置与所述目标检测结果相匹配的第一目标表示区域，所述第一目标表示区域的面积大于所述目标检测结果的实际面积；

第二检测模块503，用于利用预设的关键点模型和所述第一目标表示区域，对所述第一视频帧以及与所述第一视频帧相邻的多个相邻视频帧进行关键点检测；

确定模块504，用于基于所述关键点检测的结果，确定所述第一视频帧以及与所述第一视频帧相邻的多个相邻视频帧中存在的目标对象。

本实施例未详细描述的部分，参照上述方法实施例中记载的内容，在此不再赘述。

参见图6，本公开实施例还提供了一种电子设备60，该电子设备包括：

至少一个处理器；以及，

与该至少一个处理器通信连接的存储器；其中，

该存储器存储有可被该至少一个处理器执行的指令，该指令被该至少一个处理器执行，以使该至少一个处理器能够执行前述方法实施例中的目标检测方法。

本公开实施例还提供了一种非暂态计算机可读存储介质，该非暂态计算机可读存储介质存储计算机指令，该计算机指令用于使该计算机执行前述方法实施例中的目标检测方法。

本公开实施例还提供了一种计算机程序产品，该计算机程序产品包括存储在非暂态计算机可读存储介质上的计算程序，该计算机程序包括程序指令，当该程序指令被计算机执行时，使该计算机执行前述方法实施例中的的目标检测方法。

下面参考图6，其示出了适于用来实现本公开实施例的电子设备60的结构示意图。本公开实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、pda(个人数字助理)、pad(平板电脑)、pmp(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字tv、台式计算机等等的固定终端。图6示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图6所示，电子设备60可以包括处理装置(例如中央处理器、图形处理器等)601，其可以根据存储在只读存储器(rom)602中的程序或者从存储装置608加载到随机访问存储器(ram)603中的程序而执行各种适当的动作和处理。在ram603中，还存储有电子设备60操作所需的各种程序和数据。处理装置601、rom602以及ram603通过总线604彼此相连。输入/输出(i/o)接口605也连接至总线604。

通常，以下装置可以连接至i/o接口605：包括例如触摸屏、触摸板、键盘、鼠标、图像传感器、麦克风、加速度计、陀螺仪等的输入装置606；包括例如液晶显示器(lcd)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许电子设备60与其他设备进行无线或有线通信以交换数据。虽然图中示出了具有各种装置的电子设备60，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置609从网络上被下载和安装，或者从存储装置608被安装，或者从rom602被安装。在该计算机程序被处理装置601执行时，执行本公开实施例的方法中限定的上述功能。

需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、rf(射频)等等，或者上述的任意合适的组合。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。

上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取至少两个网际协议地址；向节点评价设备发送包括所述至少两个网际协议地址的节点评价请求，其中，所述节点评价设备从所述至少两个网际协议地址中，选取网际协议地址并返回；接收所述节点评价设备返回的网际协议地址；其中，所获取的网际协议地址指示内容分发网络中的边缘节点。

或者，上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：接收包括至少两个网际协议地址的节点评价请求；从所述至少两个网际协议地址中，选取网际协议地址；返回选取出的网际协议地址；其中，接收到的网际协议地址指示内容分发网络中的边缘节点。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c++，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定，例如，第一获取单元还可以被描述为“获取至少两个网际协议地址的单元”。

应当理解，本公开的各部分可以用硬件、软件、固件或它们的组合来实现。

以上所述，仅为本公开的具体实施方式，但本公开的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本公开揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本公开的保护范围之内。因此，本公开的保护范围应以权利要求的保护范围为准。