技术特征：
1.一种目标检测方法，其特征在于，包括：获取目标视频的全部待检测视频帧，并利用目标检测模型对所述待检测视频帧中预设类型的目标进行检测，得到初始目标检测框；对所述初始目标检测框中的目标特征进行提取并利用聚类模型对提取到的目标特征进行聚类处理，得到所述初始目标检测框之间的聚类关系；基于所述聚类关系通过对所述初始目标检测框进行去噪处理的方式确定出关键目标检测框，以对所述待检测视频帧中的预设类型的关键目标进行检测；所述利用聚类模型对提取到的目标特征进行聚类处理，得到所述初始目标检测框之间的聚类关系，包括：利用多个所述聚类模型分别对提取到的目标特征进行聚类处理，得到多个所述聚类关系；根据多个所述聚类关系创建包含节点及节点连线的第一聚类图和第二聚类图；其中，节点为所述初始目标检测框，所述第一聚类图中的第一节点连线表征所述初始目标检测框之间属于同一类，所述第二聚类图中的第二节点连线表征所述初始目标检测框之间不属于同一类；相应的，所述基于所述聚类关系通过对所述初始目标检测框进行去噪处理的方式确定出关键目标检测框，包括：基于所述第一聚类图和所述第二聚类图通过对所述初始目标检测框进行去噪处理的方式确定出所述关键目标检测框。2.根据权利要求1所述的目标检测方法，其特征在于，所述利用目标检测模型对所述待检测视频帧中预设类型的目标进行检测之前，还包括：构建训练集；其中，所述训练集由包含预设类型的目标的样本图像和以预设类型作为标签的样本标签组成；利用所述训练集对基于神经网络构建的检测模型进行训练，得到所述目标检测模型。3.根据权利要求2所述的目标检测方法，其特征在于，所述基于所述聚类关系通过对所述初始目标检测框进行去噪处理的方式确定出关键目标检测框之后，还包括：将所述关键目标检测框作为所述样本图像以构建新的训练集，并利用新的训练集对所述目标检测模型进行训练。4.根据权利要求1所述的目标检测方法，其特征在于，所述对所述初始目标检测框中的目标特征进行提取并利用聚类模型对提取到的目标特征进行聚类处理，得到所述初始目标检测框之间的聚类关系，包括：当预设类型的目标为人物，则利用行人重识别模型对所述初始目标检测框中的目标特征进行提取得到与所述初始目标检测框对应的特征图，并根据所述特征图确定出所述初始目标检测框之间的特征相似性；基于所述初始目标检测框之间的特征相似性利用所述聚类模型对提取到的目标特征进行聚类处理，得到所述初始目标检测框之间的所述聚类关系。5.根据权利要求1所述的目标检测方法，其特征在于，所述根据多个所述聚类关系创建包含节点及节点连线的第一聚类图和第二聚类图，包括：如果存在预设数量个所述聚类关系表征任意两个节点属于同一类，则在两个节点之间
进行连线，得到所述第一聚类图；如果存在预设数量个所述聚类关系表征任意两个节点不属于同一类，则在两个节点之间进行连线，得到所述第二聚类图。6.根据权利要求1所述的目标检测方法，其特征在于，还包括：根据所述目标视频中所述关键目标的数量分别为各个所述聚类模型配置不同的聚类数量参数；其中，所述聚类数量参数的值与所述目标视频中的所述关键目标的数量呈正相关关系。7.根据权利要求1所述的目标检测方法，其特征在于，所述基于所述第一聚类图和所述第二聚类图通过对所述初始目标检测框进行去噪处理的方式确定出所述关键目标检测框，包括：从所述初始目标检测框中随机选取一个样本目标检测框并将所述样本目标检测框初始化为一个聚类子类；判断在所述第一聚类图中所述样本目标检测框与其他所述初始目标检测框之间是否具有第一节点连线且所述样本目标在所述第二聚类图中与其他所述初始目标检测框之间不具有第二节点连线；如果是，则将其他所述初始目标检测框归入所述聚类子类，并将所述样本目标检测框及其他所述初始目标检测框从所述初始目标检测框中剔除；判断所述聚类子类中的目标数量是否大于预设阈值，如果是，则从剔除后的所述初始目标检测框中重复执行随机选取一个所述样本目标检测框的步骤。8.一种目标检测装置，其特征在于，包括：初始目标检测模块，用于获取目标视频的全部待检测视频帧，并利用目标检测模型对所述待检测视频帧中预设类型的目标进行检测，得到初始目标检测框；特征提取及聚类模块，用于对所述初始目标检测框中的目标特征进行提取并利用聚类模型对提取到的目标特征进行聚类处理，得到所述初始目标检测框之间的聚类关系；关键目标检测模块，用于基于所述聚类关系通过对所述初始目标检测框进行去噪处理的方式确定出关键目标检测框，以对所述待检测视频帧中的预设类型的关键目标进行检测；所述目标检测装置，还用于：利用多个所述聚类模型分别对提取到的目标特征进行聚类处理，得到多个所述聚类关系；根据多个所述聚类关系创建包含节点及节点连线的第一聚类图和第二聚类图；其中，节点为所述初始目标检测框，所述第一聚类图中的第一节点连线表征所述初始目标检测框之间属于同一类，所述第二聚类图中的第二节点连线表征所述初始目标检测框之间不属于同一类；基于所述第一聚类图和所述第二聚类图通过对所述初始目标检测框进行去噪处理的方式确定出所述关键目标检测框。9.一种电子设备，其特征在于，所述电子设备包括处理器和存储器；其中所述存储器用于存储计算机程序，所述计算机程序由所述处理器加载并执行以实现如权利要求1至7任一项所述的目标检测方法。
10.一种计算机可读存储介质，其特征在于，用于存储计算机可执行指令，所述计算机可执行指令被处理器加载并执行时，实现如权利要求1至7任一项所述的目标检测方法。
技术总结
本申请涉及人工智能技术领域，公开了一种目标检测方法、装置、设备及存储介质，包括：获取目标视频的全部待检测视频帧，并利用目标检测模型对所述待检测视频帧中预设类型的目标进行检测，得到初始目标检测框；对所述初始目标检测框中的目标特征进行提取并利用聚类模型对提取到的目标特征进行聚类处理，得到所述初始目标检测框之间的聚类关系；基于所述聚类关系通过对所述初始目标检测框进行去噪处理的方式确定出关键目标检测框，以对所述待检测视频帧中的预设类型的关键目标进行检测。可见，本申请可针对任意视频的视频帧进行关键目标检测，无须依赖关键目标检测数据集以提高检测效率，同时避免出现假阳性检测结果以提高检测精度。测精度。测精度。
技术研发人员：张润泽 李仁刚 赵雅倩 郭振华 范宝余 李晓川
受保护的技术使用者：浪潮电子信息产业股份有限公司
技术研发日：2022.10.26
技术公布日：2022/11/22