1.一种目标检测模型构建方法,其特征在于,所述目标检测模型包括:采用混合空洞卷积的ghostnet为主干网络并引入fpn网络以及分类子网络和回归子网络,所述目标检测模型构建方法包括:
获取目标场景中包含有各个目标对象的目标图像训练数据集;
将目标图像训练数据集中的历史目标图像输入采用混合空洞卷积的ghostnet为主干网络并引入fpn网络,得到所述历史目标图像的特征图;
通过所述分类子网络和所述回归子网络对所述特征图进行学习,得到所述历史目标图像中各目标对象的预测位置;
基于所述历史目标图像中各目标对象的预测位置和真实位置对所述目标检测模型进行模型训练,得到训练好的目标检测模型。
2.根据权利要求1所述的方法,其特征在于,所述基于所述历史目标图像中各目标对象的预测位置和真实位置对所述目标检测模型进行模型训练,得到训练好的目标检测模型,包括:
基于所述历史目标图像中各目标对象的预测位置和真实位置计算所述目标检测模型的预设损失函数的损失值;
使用预设优化器对损失值进行梯度下降,对所述目标检测模型中各个网络结构中的网络参数进行调整,并重新计算所述目标检测模型的所述预设损失函数的损失值,直至损失值不再下降,所述目标检测模型收敛。
3.一种不同目标间距离监控方法,其特征在于,包括:
获取当前时刻目标场景中包含各个目标对象的目标图像;
将所述目标图像输入如权利要求1-2任一项所述的目标检测模型构建方法所训练好的目标检测模型中进行目标检测,得到各个目标对象在所述目标图像中对应的检测位置;
将所述目标图像转换为鸟瞰图;
根据各个目标对象在所述目标图像中对应的检测位置确定各个目标对象在鸟瞰图中对应的位置信息;
基于所述鸟瞰图与所述目标场景的比例尺及各个目标对象在鸟瞰图中对应的位置信息,确定各目标对象间的真实距离。
4.根据权利要求3所述的方法,其特征在于,所述根据各个目标对象在所述目标图像中对应的检测位置确定各个目标对象在鸟瞰图中对应的位置信息,包括:
基于当前目标对象在所述目标图像中对应的检测位置确定所述当前目标对象在所述目标图像中对应的中心点位置;
基于所述中心点位置,确定所述当前目标对象在所述鸟瞰图中对应的中心点坐标。
5.根据权利要求3所述的方法,其特征在于,还包括:
判断当前两个目标对象间的真实距离是否小于预设安全距离阈值;
当所述当前两个目标对象间的真实距离小于预设安全距离阈值时,生成报警信息。
6.根据权利要求5所述的方法,其特征在于,当所述当前两个目标对象间的真实距离小于预设安全距离阈值时,生成报警信息,包括:
在所述鸟瞰图和/或所述目标图像中对所述当前两个目标对象进行标注。
7.一种目标检测模型构建装置,其特征在于,所述目标检测模型包括:采用混合空洞卷积的ghostnet为主干网络并引入fpn网络以及分类子网络和回归子网络,所述目标检测模型构建装置包括:
第一获取模块,用于获取目标场景中包含有各个目标对象的目标图像训练数据集;
第一处理模块,用于将目标图像训练数据集中的历史目标图像输入采用混合空洞卷积的ghostnet为主干网络并引入fpn网络,得到所述历史目标图像的特征图;
第二处理模块,用于通过所述分类子网络和所述回归子网络对所述特征图进行学习,得到所述历史目标图像中各目标对象的预测位置;
第三处理模块,用于基于所述历史目标图像中各目标对象的预测位置和真实位置对所述目标检测模型进行模型训练,得到训练好的目标检测模型。
8.一种不同目标间距离监控装置,其特征在于,包括:
第二获取模块,用于获取当前时刻目标场景中包含各个目标对象的目标图像;
第四处理模块,用于将所述目标图像输入如权利要求7所述的目标检测模型构建装置所训练好的目标检测模型中进行目标检测,得到各个目标对象在所述目标图像中对应的检测位置;
第五处理模块,用于将所述目标图像转换为鸟瞰图;
第六处理模块,用于根据各个目标对象在所述目标图像中对应的检测位置确定各个目标对象在鸟瞰图中对应的位置信息;
第七处理模块,用于基于所述鸟瞰图与所述目标场景的比例尺及各个目标对象在鸟瞰图中对应的位置信息,确定各目标对象间的真实距离。
9.一种电子设备,其特征在于,包括:
存储器和处理器,所述存储器和所述处理器之间互相通信连接,所述存储器中存储有计算机指令,所述处理器通过执行所述计算机指令,执行权利要求1-2任一项所述的方法,或者,执行权利要求3-6任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使所述计算机执行权利要求1-2任一项所述的方法,或者,所述计算机指令用于使所述计算机执行权利要求3-6任一项所述的方法。