一种目标物检测方法、装置和计算机可读存储介质

技术领域

本申请涉及目标检测技术领域，具体涉及一种目标物检测方法、装置和计算机可读存储介质。

背景技术

在电力能源、石油化工、轨道交通或生产等领域的场所内，为了保障设备的正常运行与生产安全，需要对设备监控场景中的各种目标物进行监测；但由于实际应用场景中目标物种类繁多，同时带有目标物的真实素材又很少，导致目标物检测的准确率较低。

发明内容

本申请提供一种目标物检测方法、装置和计算机可读存储介质，能够提升目标物检测的精度。

为解决上述技术问题，本申请采用的技术方案是：提供一种目标物检测方法，该目标物检测方法包括：获取待识别图像；识别出待识别图像中的干扰目标所在的区域，得到干扰目标区域；对待识别图像中的干扰目标区域进行像素填充，得到处理后的待识别图像；对处理后的待识别图像进行显著性目标检测，得到显著性目标；确认显著性目标是否为目标物，生成目标物检测结果。

为解决上述技术问题，本申请采用的另一技术方案是：提供一种目标物检测装置，目标物检测装置包括互相连接的存储器和处理器，其中，存储器用于存储计算机程序，计算机程序在被处理器执行时，用于实现上述技术方案中的目标物检测方法。

为解决上述技术问题，本申请采用的又一技术方案是：提供一种计算机可读存储介质，其用于存储计算机程序，计算机程序在被处理器执行时，用于实现上述技术方案中的目标物检测方法。

通过上述方案，本申请的有益效果是：通过扩充目标物类型来提升目标物检测精度的方式费时费力且效果不好，本实施例能够通过识别干扰目标，并对干扰目标区域进行像素填充的方式，能够降低干扰目标区域对后续目标物检测的影响，从而有效提升目标物检测的精度，并且提升目标物检测的泛化能力，干扰目标的类型能够根据实际情况进行自定义设置，使得该目标物检测方法能够适用于不同的应用场景，灵活性高；此外，还可对显著性目标进行筛选，确认其是否为目标物，能够进一步提升目标物检测的精度，降低误报率。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述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申请的一些实施例，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他的附图。其中：

图1是本申请提供的目标物检测方法一实施例的流程示意图；

图2是本申请提供的目标物检测方法另一实施例的流程示意图；

图3是本申请提供的步骤23一实施例的流程示意图；

图4是本申请提供的一应用场景下的待识别图像的示意图；

图5是本申请提供的干扰目标的掩模图像的示意图；

图6是本申请提供的处理后的待识别图像的示意图；

图7是本申请提供的步骤25一实施例的流程示意图；

图8是本申请提供显著性目标的掩模图像的示意图；

图9是本申请提供显著性目标的掩模图像的示意图；

图10是本申请提供的目标物检测装置一实施例的结构示意图；

图11是本申请提供的计算机可读存储介质一实施例的结构示意图。

具体实施方式

下面结合附图和实施例，对本申请作进一步的详细描述。特别指出的是，以下实施例仅用于说明本申请，但不对本申请的范围进行限定。同样的，以下实施例仅为本申请的部分实施例而非全部实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本申请保护的范围。

在本申请中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。

需要说明的是，本申请中的术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”、“第三”的特征可以明示或者隐含地包括至少一个该特征。本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。

请参阅图1，图1是本申请提供的目标物检测方法一实施例的流程示意图，该方法包括：

步骤11：获取待识别图像。

待识别图像可由在监控场景中设置的监控装置采集得到，监控场景可根据实际应用需求进行选择，例如：生产车间、轨道或化工厂车间等，在此不作限定。

步骤12：识别出待识别图像中的干扰目标所在的区域，得到干扰目标区域。

识别出待识别图像中的干扰目标所在的区域，得到干扰目标区域，其中，干扰目标可为对目标物检测造成干扰的目标对象，目标物可为不同应用场景下想要检测的目标对象，干扰目标可为明确不属于目标物检测范畴的目标对象，可通过预先设置干扰目标，然后在后续目标物目标检测的过程中，排除干扰目标对目标物检测的干扰。

具体地，可利用目标检测算法对待识别图像进行处理，从而得到干扰目标区域，或者，可将待识别图像输入目标检测网络模型中，从而得到干扰目标区域，在此不对识别出干扰目标区域而采用的目标检测技术进行限定。可以理解地，上述目标检测网络模型可为利用包含干扰目标的训练样本集训练得到的，目标检测网络模型具备识别干扰目标的能力。

步骤13：对待识别图像中的干扰目标区域进行像素填充，得到处理后的待识别图像。

对待识别图像中的干扰目标区域进行像素填充，得到处理后的待识别图像；具体地，本实施例可利用显著性目标检测技术对待识别图像中的目标物进行检测，而由于干扰目标的存在，容易将干扰目标误判为目标物，影响目标物检测的精度，通过对干扰目标区域进行像素填充的方式，能够对干扰目标区域进行弱化，降低其对目标物检测的精度影响；可以理解地，可根据实际应用情况选择相应的像素值对干扰目标区域进行填充，在此不作限定。

步骤14：对处理后的待识别图像进行显著性目标检测，得到显著性目标。

对处理后的待识别图像进行显著性目标检测，得到显著性目标，其中，可利用目标检测技术领域中的显著性目标检测技术实现显著性目标检测，在此不对显著性目标检测技术作详述与限定。

步骤15：确认显著性目标是否为目标物，生成目标物检测结果。

在识别出显著性目标之后，可对显著性目标进行筛选，进一步确认显著性目标是否为目标物，从而生成目标物检测结果，以提高目标物检测的精确性，其中，目标物检测结果可包括目标物所在的位置或类型信息等。

具体地，可利用显著性目标检测技术检测出颜色显著或运动明显等状态下的显著性目标，但识别出的显著性目标还可能为除上述设置的有限的干扰目标之外的其他非目标物，则此时可根据目标物的特性确认显著性目标是否为目标物，或者还可根据明显非目标物的特征来排除非目标物，其中，目标物的特性与明显非目标物的特征可根据实际需求进行选择；以食品生产车间的应用场景为例，本实施例中的目标物检测方法可用于监测食品生产安全，来监测场景中是否出现对食品生产有安全威胁的目标对象，该目标对象种类无法提前估计，但由经验可知，飞虫为比较明确的常见的一类目标物，因为其在食品生产车间中出现会对食品生产造成极大的影响，且飞虫具有移动速度较快或尺寸较小等特性，则此时可根据显著性目标的运动轨迹和/或尺寸等特征判断其是否为明显的目标物：飞虫，以在飞虫出现时及时报警。

可以理解地，本实施例中的目标物检测方法可应用于除上述举例的食品生产安全检测之外的其他各种应用场景，例如：某一监控场景下的异物目标检测或滴液检测等，在此不作限定。

由于现实应用场景下的目标物的种类繁多，通过扩充目标物类型来提升目标物检测精度的方式费时费力且效果不好，本实施例能够通过识别干扰目标，并对干扰目标区域进行像素填充的方式，能够降低干扰目标区域对后续目标物检测的影响，从而有效提升目标物检测的精度，并且提升目标物检测的泛化能力，干扰目标的类型能够根据实际情况进行自定义设置，使得该目标物检测方法能够适用于不同的应用场景，灵活性高；此外，还可对显著性目标进行筛选，确认其是否为目标物，能够进一步提升目标物检测的精度，降低误报率。

请参阅图2，图2是本申请提供的目标物检测方法另一实施例的流程示意图，该方法包括：

步骤21：获取待识别图像。

步骤21与上述实施例中的步骤11相同，在此不再赘述。

步骤22：利用目标分割模型识别出待识别图像中的干扰目标，并对干扰目标所在的区域进行分割，得到干扰目标区域。

利用目标分割模型识别出待识别图像中的干扰目标，并对干扰目标所在的区域进行分割，得到干扰目标区域；具体地，目标分割模型可利用预设训练样本集训练得到，预设训练样本集包含多个训练样本，训练样本包含与干扰目标的类型相同的样本目标；其中，预设训练样本集可根据实际情况进行构建或获取，在此不作限定；以干扰目标为人为例，可利用包含人像的训练样本对目标分割模型进行训练，以使得目标分割模型学习对人的识别能力；可以理解地，目标分割模型可为目标检测技术领域中常见的目标分割网络模型，例如：Unet分割网络，在此不对目标分割模型的类型以及具体结构进行限定。

进一步地，干扰目标的类型与数量可根据实际情况进行设置，干扰目标可为一种、两种或两种以上，在干扰目标为至少两种时，可利用至少两种预设训练样本集分别对目标分割模型进行训练，以使得目标分割模型获取对所有类型的干扰目标的识别能力，每种预设训练样本集中的训练样本包含与干扰目标的一种类型相同的样本目标。

以目标物为出现在待识别图像中的异物目标，即不希望出现在监控场景中的目标为例，干扰目标可为对异物目标检测造成干扰的目标对象，其可为当前监控场景中经常出现的目标对象或者明确不属于异物检测范畴的目标对象，如人或车等，例如：在某个生产车间中经常出现来往的工作人员，工作人员并不影响生产车间正常生产，其并不在异物检测范畴内，然而在异物目标检测时来往的工作人员可能被误判为异物目标，则此时可预先将人设置为干扰目标，然后在后续异物目标检测的过程中，排除人对异物目标检测的干扰。

若利用目标分割模型未识别出干扰目标，则说明待识别图像中不存在干扰目标，此时可直接进入步骤24。

步骤23：基于待识别图像中的非干扰区域的像素，对干扰目标区域进行像素填充，得到处理后的待识别图像。

非干扰区域为待识别图像中除干扰目标区域外的其他图像区域，即背景区域；如图3所示，步骤23可包括下述步骤31～步骤32。

步骤31：获取待识别图像中非干扰区域的像素值的参考值。

参考值基于非干扰区域的像素值的众数或平均数确定，具体地，可通过获取待识别图像中背景区域的像素值的众数或平均数，将其作为干扰目标区域的填充的像素值，以使干扰目标区域在后续目标物检测过程中被识别为背景区域，从而弱化干扰目标对目标物检测的干扰。可以理解地，在其他实施方式中，还可利用非干扰区域的像素值的方差值或中值确定，在此不作限定。

步骤32：利用像素值的参考值对干扰目标区域进行填充，得到处理后的待识别图像。

利用像素值的参考值对干扰目标区域进行填充，得到处理后的待识别图像；请参阅图4，以图4所示的一应用场景下的待识别图像为例，干扰目标为人，可利用目标分割模型对待识别图像进行分割，得到如图5所示的干扰目标的掩膜图像，其中，深色区域为干扰目标区域，除深色区域外的其他区域为背景区域，可获取背景区域的像素值的参考值，然后利用该像素值的参考值对干扰目标区域进行像素值填充，从而得到如图6所示的处理后的待识别图像，其中，图6中的干扰目标区域被像素填充。

可以理解地，在一具体的实施方式中，还可直接基于预设像素信息对干扰目标区域进行像素填充，得到处理后的待识别图像；其中，预设像素信息可包括干扰目标区域待填充的像素值，其可包括一个像素值或多个像素值或者一种像素排列规律，在此不作限定，具体的预设像素信息可根据实际情况进行设置。

步骤24：对处理后的待识别图像进行显著性目标检测，得到显著性目标。

对处理后的待识别图像进行显著性目标检测，得到显著性目标；具体地，可利用显著性目标检测模型对处理后的待识别图像进行显著性目标检测，得到显著性目标；响应于确认显著性目标为目标物，可将待识别图像作为显著性目标检测模型的训练样本，利用目标物所在的区域图像与待识别图像对显著性目标检测模型进行训练，以对显著性目标检测模型进行反馈训练，进一步提升显著性目标检测模型的检测精度。

具体地，在步骤24之前，可先利用预设训练样本集对显著性目标检测模型进行训练，以使得显著性目标检测模型具备识别显著性目标的能力，其中，预设训练样本集可根据实际情况进行构建或获取，在此不作限定。可以理解地，显著性目标检测模型可为目标检测技术领域中常规的用于显著性目标检测的网络模型，例如：U2-Net检测网络，在此不对显著性目标检测模型的类型以及具体结构进行详述与限定。

步骤25：确认显著性目标是否为目标物，生成目标物检测结果。

如图7所示，下述实施例以异物目标检测为例对步骤25进行说明。

步骤71：获取显著性目标所在的区域的面积。

以图6所示的处理后的待识别图像为例，可利用显著性目标检测模型对其进行目标检测，得到显著性目标，得到如图8所示的显著性目标的掩膜图像，其中，识别出的显著性目标为鸟巢，掩膜图像中的深色区域为显著性目标所在的区域，除深色区域之外的区域为背景区域，此时可对掩膜图像中的显著性目标进行轮廓提取，然后计算轮廓面积，从而得到显著性目标所在的区域的面积。

可以理解地，若未进行本实施例中的上述步骤22～步骤23，直接对如图4所示的待识别图像进行显著性目标检测，可能得到如图8所示的掩模图像，同时识别出人以及鸟巢，容易造成误判情况，通过本实施例中的步骤22～步骤23能够避免与图8类似的误判情况发生。

步骤72：对显著性目标进行跟踪，得到显著性目标的目标轨迹信息。

可对显著性目标进行跟踪，得到显著性目标的目标轨迹信息；具体地，可获取显著性目标所在的区域的位置信息，然后根据位置信息利用目标检测技术领域中的目标跟踪算法对连续帧的待识别图像中的显著性目标进行跟踪，从而得到显著性目标的目标轨迹信息，在此不对目标跟踪算法进行详述与限定。

步骤73：基于面积与目标轨迹信息确认显著性目标是否为异物目标。

可基于面积与目标轨迹信息确认显著性目标是否为异物目标；具体地，显著性目标所在的区域的面积能够反映显著性目标的尺寸大小，目标轨迹信息能够反应显著性目标的运动状态，可根据显著性目标的尺寸特性以及运动特性筛选出异物目标。

具体地，在一实施方式中，步骤73可包括：确定面积是否大于预设面积阈值且确定目标轨迹信息是否满足预设轨迹条件；然后响应于面积大于预设面积阈值，且目标轨迹信息满足预设轨迹条件，则确定显著性目标为异物目标。

其中，可先基于目标轨迹信息确定显著性目标的目标状态；响应于目标状态为运动状态，则确定目标轨迹信息满足预设轨迹条件。在显著性目标检测的过程中，可能误检出背景区域中原本存在但特征比较显著的背景目标，由于背景区域中的背景目标是静止不动或仅在限定区域内产生较小的偏移，而异物目标指的是突然出现在监控画面中的外来目标，异物目标一般处于明显的运动状态，此时可根据显著性目标的目标轨迹信息来判断该显著性目标是否产生运动，从而从显著性目标中筛选掉背景区域中的背景目标。仍以图4所示的待识别图像为例，经过显著性目标检测可能将背景区域中的铁架检测为显著性目标，则此时可根据其运动轨迹确认其并非异物目标。

进一步地，由于监控设备采集得到的监控图像存在近大远小的现象，即靠近监控设备的目标在画面中的尺寸较大，远离监控设备的目标在画面中的尺寸较小，一般情况下，只需关心靠近监控设备的监控区域是否出现异物，此时可忽略远处监控区域出现的目标，从而可根据显著性目标所在的区域的面积筛选掉远处的显著性目标，例如：从图4所示的待识别图像中检测出的显著性目标为远处大楼上空飞行的飞机，则此时可通过飞机所在的区域的面积确定出其并非异物目标。可以理解地，预设面积阈值可根据实际应用情况进行设置，预设面积阈值的具体数值可根据实验或经验下监控图像中近处出现的目标所占的像素块范围大小进行自定义设置，一般至少大于四个像素块范围大小，在此不作限定。

在另一实施方式中，还可根据显著性目标所处的区域判断其是否为目标物，即步骤25还可包括：获取预设的关注区域，然后判断显著性目标是否处于关注区域内；响应于显著性目标处于关注区域内，确认显著性目标为目标物；可以理解地，关注区域为目标物检测的限定区域，只有在该区域中出现的目标才算目标物，关注区域可根据实际应用需求进行自定义设置，在此不作限定。

本实施例获取待识别图像中除干扰目标区域外的其他图像区域的像素值的参考值，然后利用像素值的参考值对干扰目标区域进行填充，以有效弱化干扰目标区域对目标物检测的影响，大大提升目标物检测的精度以及泛化能力，且像素填充的方式简单高效，能够大大节省处理成本；而且在确认显著性目标为目标物时，还能够将该待识别图像作为显著性目标检测模型的训练样本，实现对显著性目标检测模型进行反馈训练，进一步提升显著性目标检测模型对目标物的检测精度；此外，目标物检测方法还可应用于异物检测场景中，在得到显著性目标之后，能够基于面积与目标轨迹信息确认显著性目标是否为异物目标，从而排除掉显著性目标中的其他干扰目标，大大降低误报率，提升异物检测的精度。

请参阅图10，图10是本申请提供的目标物检测装置一实施例的结构示意图，目标物检测装置100包括互相连接的存储器101和处理器102，存储器101用于存储计算机程序，计算机程序在被处理器102执行时，用于实现上述实施例中的目标物检测方法。

请参阅图11，图11是本申请提供的计算机可读存储介质一实施例的结构示意图，计算机可读存储介质110用于存储计算机程序111，计算机程序111在被处理器执行时，用于实现上述实施例中的目标物检测方法。

计算机可读存储介质110可以是服务端、U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

在本申请所提供的几个实施方式中，应该理解到，所揭露的方法以及设备，可以通过其它的方式实现。例如，以上所描述的设备实施方式仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。

作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施方式方案的目的。

另外，在本申请各个实施方式中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

若本申请技术方案涉及个人信息，应用本申请技术方案的产品在处理个人信息前，已明确告知个人信息处理规则，并取得个人自主同意。若本申请技术方案涉及敏感个人信息，应用本申请技术方案的产品在处理敏感个人信息前，已取得个人单独同意，并且同时满足“明示同意”的要求。例如，在摄像头等个人信息采集装置处，设置明确显著的标识告知已进入个人信息采集范围，将会对个人信息进行采集，若个人自愿进入采集范围即视为同意对其个人信息进行采集；或者在个人信息处理的装置上，利用明显的标识/信息告知个人信息处理规则的情况下，通过弹窗信息或请个人自行上传其个人信息等方式获得个人授权；其中，个人信息处理规则可包括个人信息处理者、个人信息处理目的、处理方式以及处理的个人信息种类等信息。

以上所述仅为本申请的实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。