一种动态阈值目标检测方法、系统、设备和介质

技术领域

本发明涉及智能算法、机器视觉、目标检测领域，具体是涉及一种基于动态阈值目标检测方法、系统、设备和介质。

背景技术

在许多现实世界的场景中，如安全监控或无人驾驶车辆中，需要对移动目标进行准确、实时的检测。然而，传统的目标检测算法往往在复杂背景，光照变化，以及目标姿态变化等因素影响下，准确性下降。

目前，性能较强的目标检测算法大多是采用端到端的深度学习方法进行目标检测，该方法中需要通过海量的数据集对建立的模型进行训练，但是数据集总是无法覆盖所有场景，其对数据集的依赖是目前最大的一个难点。另外，现有的目标检测算法对一些小目标以及高移动速度的目标检测难度较大，且由于检测阈值的存在导致对一些目标虽然可以检测但是会过滤掉。

发明内容

针对上述问题，本发明的目的是提供一种动态阈值目标检测方法、系统、设备和介质，基于跟踪反馈算法，将能够准确、实时地检测移动目标。

为实现上述目的，本发明采取以下技术方案：

第一方面，本发明提供一种动态阈值目标检测方法，包括以下步骤：

利用预先建立的检测模型和跟踪模型对当前帧原始图像进行跟踪预测，并基于跟踪预测结果对下一帧图像中的指定区域进行增强；

将图像增强后的下一帧图像输入检测模型，并对检测模型的检测结果进行动态阈值过滤，得到下一帧图像的最终检测结果。

进一步，所述利用预先建立的检测模型和跟踪模型对当前帧原始图像进行跟踪预测，并基于跟踪预测结果对下一帧图像中的指定区域进行增强，包括：

将从摄像头获取的当前帧原始图像输入预先建立的检测模型，得到当前帧原始图像的检测结果；

将当前帧原始图像的检测结果输入预先建立的跟踪模型，得到跟踪模型输出的跟踪结果；

根据跟踪结果，对下一帧图像中的指定区域进行增强。

进一步，所述下一帧图像中的指定区域是指将跟踪结果对应的检测目标范围扩大预设倍数后得到的区域。

进一步，所述对下一帧图像中的指定区域进行增强，包括图像清晰度及对比度增强。

进一步，所述将图像增强后的下一帧图像输入检测模型，并对检测模型的检测结果进行动态阈值过滤，得到下一帧图像的最终检测结果，包括：

将图像增强后的下一帧图像输入到检测模型进行检测，得到下一帧图像的检测结果；

对得到的下一帧图像的检测结果中指定区域内的检测目标进行动态阈值过滤；

将动态阈值过滤后的检测结果作为下一帧图像的最终检测结果。

进一步，所述对得到的下一帧图像的检测结果中指定范围内的检测目标进行动态阈值过滤，包括：

将当前概率阈值设定为上一帧图像中检测目标概率阈值的预设倍数；

将检测模型输出的所有检测目标中置信度低于当前概率阈值的检测目标过滤掉，得到下一帧图像的最终检测结果。

第二方面，本发明提供一种动态阈值目标检测系统，包括：

跟踪反馈模块，用于利用预先建立的检测模型和跟踪模型对当前帧原始图像进行跟踪预测，并基于跟踪预测结果对下一帧图像中的指定区域进行增强；

动态阈值过滤模块，用于将图像增强后的下一帧图像输入检测模型，并对检测模型的检测结果进行动态阈值过滤，得到下一帧图像的最终检测结果。

进一步，所述跟踪反馈模块包括：

检测模块，用于将从摄像头获取的当前帧原始图像输入预先建立的检测模型，得到当前帧原始图像的检测结果；

跟踪模块，用于将当前帧原始图像的检测结果输入预先建立的跟踪模型，得到跟踪模型输出的跟踪结果；

反馈模块，用于根据跟踪结果，对下一帧图像中的指定区域进行增强。

第三方面，本发明提供一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行任一方法。

第四方面，本发明提供一种计算设备，包括：一个或多个处理器、存储器及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为所述一个或多个处理器执行，所述一个或多个程序包括用于执行任一方法的指令。

本发明由于采取以上技术方案，其具有以下优点：

1、本发明利用跟踪反馈算法，基于上一帧检测结果对下一帧图像进行增强，使得目标检测结果更加准确；

2、本发明对图像增强后的图像进行检测时，采用动态阈值过滤方法，相比业界直接检测并最终使用阈值过滤的方法，本发明可以使得检测更加的稳定，提高检测的准确率并减少误报率。

因此，本发明可以广泛应用于智能算法、机器视觉、目标检测领域。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。在整个附图中，用相同的附图标记表示相同的部件。在附图中：

图1是本发明实施例提供的基于跟踪反馈的动态阈值目标检测方法流程图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例的附图，对本发明实施例的技术方案进行清楚、完整地描述。显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于所描述的本发明的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本发明保护的范围。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

针对目前目标检测方法中，对于小目标、模糊目标以及与背景较难区分的目标，存在目标检测率较低、误检率较高的情况，最终导致检测稳定性较低的问题，本发明的一些实施例中，提供一种动态阈值目标检测方法，该方法通过重新设计检测与跟踪的逻辑，增强检测效果，使得模型的准确率提升并且漏检率较大幅度降低。

与之相对应地，本发明的另一些实施例中，提供一种动态阈值目标检测系统、设备和介质。

实施例1

如图1所示，本实施例提供一种动态阈值目标检测方法，包括以下步骤：

1)利用预先建立的检测模型和跟踪模型对当前帧原始图像进行跟踪预测，并基于跟踪预测结果对下一帧图像中的指定区域进行增强；

2)将图像增强后的下一帧图像输入检测模型，并对检测模型的检测结果进行动态阈值过滤，得到下一帧图像的最终检测结果。

优选地，上述步骤1)中，包括以下步骤：

1.1)将从摄像头获取的当前帧原始图像输入预先建立的检测模型，得到当前帧原始图像的检测结果；

1.2)将当前帧原始图像的检测结果输入预先建立的跟踪模型，得到跟踪模型输出的跟踪结果；

1.3)根据跟踪结果，对下一帧图像中的指定区域进行增强。

优选地，检测模型和跟踪模型可以采用基于深度学习方法的常规模型，本发明对此不做限制。

优选地，上述步骤1.3)中，下一帧图像中的指定区域是指将跟踪结果对应的检测目标范围扩大预设倍数后得到的区域，本实施例中，将跟踪结果对应的检测目标范围扩大2倍后作为下一帧图像的指定区域。

对下一帧图像的指定区域进行图像增强，包括增强图像清晰度及对比度等，增强方法可以采用本领域技术人员公知技术，本发明对此不做限制。

优选地，上述步骤2)中，包括以下步骤：

2.1)将图像增强后的下一帧图像输入到检测模型进行检测，得到下一帧图像的检测结果；

2.2)对得到的下一帧图像的检测结果中指定区域内的检测目标进行动态阈值过滤；

2.3)将动态阈值过滤后的检测结果作为下一帧图像的最终检测结果，该检测结果包括检测目标的坐标、类别和置信度等。

优选地，上述步骤2.2)中，根据当前帧原始图像的跟踪预测结果，对步骤4)中得到的下一帧图像的检测结果中指定范围内的检测目标进行动态阈值过滤，包括：

将当前概率阈值设定为上一帧图像中检测目标概率阈值的0.8倍；

将检测模型输出的所有检测目标中置信度低于当前概率阈值的检测目标过滤掉，得到下一帧图像的最终检测结果。

实施例2

上述实施例1提供了动态阈值目标检测方法，与之相对应地，本实施例提供一种动态阈值目标检测系统。本实施例提供的系统可以实施实施例1的动态阈值目标检测方法，该系统可以通过软件、硬件或软硬结合的方式来实现。例如，该系统可以包括集成的或分开的功能模块或功能单元来执行实施例1各方法中的对应步骤。由于本实施例的系统基本相似于方法实施例，所以本实施例描述过程比较简单，相关之处可以参见实施例1的部分说明即可，本实施例提供的系统的实施例仅仅是示意性的。

本实施例提供的动态阈值目标检测系统，包括：

跟踪反馈模块，用于基于当前帧原始图像的跟踪预测结果，对检测目标在下一帧图像指定范围内的图像进行增强；

动态阈值过滤模块，用于对图像增强后的下一帧图像的检测结果进行动态阈值过滤，得到下一帧图像的最终检测结果。

优选地，跟踪反馈模块包括：

检测模块，用于将从摄像头获取的当前帧原始图像输入预先建立的检测模型，得到当前帧原始图像的检测结果；

跟踪模块，用于将当前帧原始图像的检测结果输入预先建立的跟踪模型，得到跟踪模型输出的跟踪结果；

反馈模块，用于根据跟踪结果，对下一帧图像中的指定区域进行增强。

实施例3

本实施例提供一种与本实施例1所提供的动态阈值目标检测方法对应的处理设备，处理设备可以是用于客户端的处理设备，例如手机、笔记本电脑、平板电脑、台式机电脑等，以执行实施例1的方法。

所述处理设备包括处理器、存储器、通信接口和总线，处理器、存储器和通信接口通过总线连接，以完成相互间的通信。存储器中存储有可在所述处理器上运行的计算机程序，所述处理器运行所述计算机程序时执行本实施例1所提供的动态阈值目标检测方法。

在一些实施例中，存储器可以是高速随机存取存储器(RAM：Random AccessMemory)，也可能还包括非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。

在另一些实施例中，处理器可以为中央处理器(CPU)、数字信号处理器(DSP)等各种类型通用处理器，在此不做限定。

实施例4

本实施例1的动态阈值目标检测方法可被具体实现为一种计算机程序产品，计算机程序产品可以包括计算机可读存储介质，其上载有用于执行本实施例1所述的动态阈值目标检测方法的计算机可读程序指令。

计算机可读存储介质可以是保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是但不限于电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意组合。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。