技术特征：
1.一种改进基于非极大抑制的目标物体检测方法，输入图像，对目标物体进行检测，不同层上存在不同大小的目标物体的候选框，检测窗口在金字塔的每一层图像上移位，当窗口的得分大于分数阈值th
sc
的时候，该窗口被认为存在目标物体的候选框；其特征在于，检测方法具体步骤如下：1)定义组：从金字塔底层开始，相邻的k层组成一组，最上层不足k的层数组成最后一组，其中，th为重叠阈值th，sf为金字塔的缩放比例因子；2)定义簇：根据检测物体的窗口尺寸、窗口移动步长、细胞或像素块尺寸、以及重叠阈值设定簇的边界，同一组的相邻候选框组成一个簇；一个组中包含多个簇，簇的数量由组中检测到的目标物体数量决定；3)组内候选框的筛选合并：当任意一组中出现新的候选框bn时，首先判断代表框集合r中是否存在与bn处于同一个簇的候选框，如果存在，则依次比较bn与这些候选框的分数，如果bn的分数更高，则将r中对应的候选框删除，将bn缓存在r中；否则，r保持不变；如果bn与r中所有的候选框均不属于同一个簇，则将bn缓存在r中；筛选合并过程中当一个簇的候选框的数量大于高数量阈值th
nh
时，将该簇对应的目标物体检测分数阈值th
sc
提高ε倍；当一个簇的候选框的数量小于低数量阈值th
nl
时，将该簇对应的目标物体检测分数阈值th
sc
缩小α倍。2.根据权利要求1所述改进基于非极大抑制的目标物体检测方法，其特征在于，所述步骤2)簇的边界设定限定一个簇最多包含窗口个数，得分大于分数阈值th
sc
的窗口被视为候选框进入竞选代表框。3.根据权利要求1或2所述改进基于非极大抑制的目标物体检测方法，其特征在于，所述步骤3)所有组同步检测同步抑制，实时处理每一个候选框。
技术总结
本发明涉及一种改进基于非极大抑制的目标物体检测方法，在现有的NMS算法进行目标物体检测基础上，利用金字塔的不同层的空间相邻候选框之间的耦合关系，实时动态聚类候选框；跟踪簇内的候选框数量，并根据候选框的数量调整检测分数阈值。本发明所提出的方法，不需要等待检测结束，而是利用空间信息，在检测的同时对候选框进行抑制；此方法不仅减少了数据移动和存储、缩短了处理时间，而且所需处理时间统一。缓解目标物体检测准确率与处理速度、资源、以及功耗之间的矛盾。以及功耗之间的矛盾。以及功耗之间的矛盾。
技术研发人员：张湘煜 何盼 娄鑫
受保护的技术使用者：上海科技大学
技术研发日：2021.08.27
技术公布日：2021/11/29