本技術(shù)涉及計算機(jī)，具體涉及一種偽裝目標(biāo)檢測方法、裝置、設(shè)備和存儲介質(zhì)。

背景技術(shù)：

1、目前，隨著vr領(lǐng)域和目標(biāo)檢測技術(shù)的飛速發(fā)展，各企業(yè)均推出了基于目標(biāo)檢測以提供不同內(nèi)容場景的vr應(yīng)用，從而使得用戶能夠擺脫場地限制，通過使用vr設(shè)備隨時隨地地體驗(yàn)不同的娛樂場景。然而在諸如vr槍戰(zhàn)等包含偽裝目標(biāo)場景下，由于用戶在進(jìn)行游戲時，往往配備迷彩顏色的服裝與道具，具有較強(qiáng)的隱蔽性，現(xiàn)有的深度目標(biāo)檢測模型在未充分挖掘特征間關(guān)聯(lián)關(guān)系，且特征提取過程中會導(dǎo)致偽裝目標(biāo)的特征信息大量丟失，背景與迷彩偽裝紋理間的差異性得到進(jìn)一步降低，導(dǎo)致此類偽裝目標(biāo)上的檢測效果并不出眾，無法準(zhǔn)確地檢測目標(biāo)用戶位置和邊緣特征。

技術(shù)實(shí)現(xiàn)思路

1、本技術(shù)實(shí)施例提供一種偽裝目標(biāo)檢測方法、裝置、設(shè)備和存儲介質(zhì)，旨在解決現(xiàn)有技術(shù)中偽裝目標(biāo)識別場景下無法準(zhǔn)確地檢測偽裝目標(biāo)對象的技術(shù)問題。

2、一方面，本技術(shù)實(shí)施例提供一種偽裝目標(biāo)檢測方法，所述偽裝目標(biāo)檢測方法包括以下步驟：

3、獲取待檢測的偽裝目標(biāo)圖像；

4、所述偽裝目標(biāo)圖像進(jìn)行特征提取，得到位置特征和邊緣特征；

5、對所述位置特征和所述邊緣特征進(jìn)行特征增強(qiáng)，得到處理后的位置特征和處理后的邊緣特征；

6、根據(jù)處理后的位置特征和處理后的邊緣特征進(jìn)行分類映射，得到所述偽裝目標(biāo)圖像的偽裝目標(biāo)識別結(jié)果。

7、在本技術(shù)一種可能的實(shí)現(xiàn)方式中，所述對所述位置特征和所述邊緣特征進(jìn)行特征增強(qiáng)，得到處理后的位置特征和處理后的邊緣特征，包括：

8、對所述位置特征和所述邊緣特征進(jìn)行橫向特征增強(qiáng)，得到增強(qiáng)位置特征和增強(qiáng)邊緣特征；

9、對所述增強(qiáng)位置特征和所述增強(qiáng)邊緣特征進(jìn)行縱向特征增強(qiáng)，得到處理后的位置特征和處理后的邊緣特征。

10、在本技術(shù)一種可能的實(shí)現(xiàn)方式中，所述對所述位置特征和所述邊緣特征進(jìn)行橫向特征增強(qiáng)，得到增強(qiáng)位置特征和增強(qiáng)邊緣特征，包括：

11、對所述位置特征和所述邊緣特征進(jìn)行節(jié)點(diǎn)向量化，得到位置特征域和邊緣特征域；

12、對所述位置特征域和所述邊緣特征域進(jìn)行節(jié)點(diǎn)信息傳遞，得到位置域邊信息、邊緣域邊信息和跨域邊信息；

13、根據(jù)所述位置域邊信息、所述邊緣域邊信息和所述跨域邊信息進(jìn)行節(jié)點(diǎn)信息更新，得到增強(qiáng)位置特征和增強(qiáng)邊緣特征。

14、在本技術(shù)一種可能的實(shí)現(xiàn)方式中，所述對所述位置特征和所述邊緣特征進(jìn)行節(jié)點(diǎn)向量化，得到位置特征域和邊緣特征域，包括：

15、對所述位置特征和所述邊緣特征進(jìn)行金字塔池化處理，得到池化位置特征和池化邊緣特征；

16、根據(jù)預(yù)設(shè)插值層對所述池化位置特征和所述池化邊緣特征進(jìn)行插值處理，得到目標(biāo)位置節(jié)點(diǎn)和目標(biāo)邊緣節(jié)點(diǎn)；

17、匯總每一所述目標(biāo)位置節(jié)點(diǎn)，得到所述偽裝目標(biāo)圖像的位置特征域，匯總每一所述目標(biāo)邊緣節(jié)點(diǎn)，得到所述偽裝目標(biāo)圖像的邊緣特征域。

18、在本技術(shù)一種可能的實(shí)現(xiàn)方式中，所述對所述位置特征域和所述邊緣特征域進(jìn)行節(jié)點(diǎn)信息傳遞，得到位置域邊信息、邊緣域邊信息和跨域邊信息，包括：

19、根據(jù)所述位置特征域中的第一位置節(jié)點(diǎn)和第二位置節(jié)點(diǎn)進(jìn)行卷積運(yùn)算，得到位置域邊信息；

20、根據(jù)所述邊緣特征域中的第一邊緣節(jié)點(diǎn)和第二邊緣節(jié)點(diǎn)進(jìn)行卷積運(yùn)算，得到邊緣域邊信息；

21、基于預(yù)設(shè)學(xué)習(xí)器生成所述第一位置節(jié)點(diǎn)和/或所述第一邊緣節(jié)點(diǎn)關(guān)聯(lián)的動態(tài)卷積核，根據(jù)所述動態(tài)卷積核、所述第一位置節(jié)點(diǎn)和所述第一邊緣節(jié)點(diǎn)進(jìn)行卷積運(yùn)算，得到跨域邊信息。

22、在本技術(shù)一種可能的實(shí)現(xiàn)方式中，所述根據(jù)所述位置域邊信息、所述邊緣域邊信息和所述跨域邊信息進(jìn)行節(jié)點(diǎn)信息更新，得到增強(qiáng)位置特征和增強(qiáng)邊緣特征，包括：

23、根據(jù)預(yù)設(shè)激活函數(shù)對所述位置域邊信息和所述位置特征域中對應(yīng)的目標(biāo)位置節(jié)點(diǎn)進(jìn)行同域信息聚合，得到位置聚合特征；

24、根據(jù)預(yù)設(shè)激活函數(shù)對所述邊緣域邊信息和所述邊緣特征域中對應(yīng)的目標(biāo)邊緣節(jié)點(diǎn)進(jìn)行同域信息聚合，得到邊緣聚合特征；

25、獲取預(yù)設(shè)適應(yīng)器生成所述跨域邊信息與位置特征域或邊緣特征域關(guān)聯(lián)的跨域卷積核，根據(jù)所述跨域卷積核、所述跨域邊信息和所述跨域邊信息對應(yīng)的目標(biāo)位置節(jié)點(diǎn)或目標(biāo)邊緣節(jié)點(diǎn)進(jìn)行跨域信息聚合，得到跨域聚合特征；

26、根據(jù)所述位置聚合特征、所述邊緣聚合特征和所述跨域聚合特征生成增強(qiáng)位置特征和增強(qiáng)邊緣特征。

27、在本技術(shù)一種可能的實(shí)現(xiàn)方式中，所述根據(jù)所述位置聚合特征、所述邊緣聚合特征和所述跨域聚合特征生成增強(qiáng)位置特征和增強(qiáng)邊緣特征，包括：

28、獲取所述跨域聚合特征對應(yīng)的歷史位置節(jié)點(diǎn)，將所述跨域聚合特征、所述邊緣聚合特征和所述歷史位置節(jié)點(diǎn)輸入到預(yù)設(shè)的應(yīng)用門控循環(huán)單元進(jìn)行狀態(tài)更新，得到迭代后的增強(qiáng)位置特征；

29、獲取所述跨域聚合特征對應(yīng)的歷史邊緣節(jié)點(diǎn)，將所述跨域聚合特征、所述位置聚合特征和所述歷史邊緣節(jié)點(diǎn)輸入到預(yù)設(shè)的應(yīng)用門控循環(huán)單元進(jìn)行狀態(tài)更新，得到迭代后的增強(qiáng)邊緣特征。

30、在本技術(shù)一種可能的實(shí)現(xiàn)方式中，所述對所述增強(qiáng)位置特征和所述增強(qiáng)邊緣特征進(jìn)行縱向特征增強(qiáng)，得到處理后的位置特征和處理后的邊緣特征，包括：

31、獲取所述增強(qiáng)位置特征對應(yīng)的歷史位置信息，以及所述增強(qiáng)邊緣特征對應(yīng)的歷史邊緣信息；

32、根據(jù)所述歷史位置信息與所述歷史位置信息對應(yīng)的轉(zhuǎn)置位置信息計算節(jié)點(diǎn)相似度，得到第一圖鄰接矩陣；

33、計算所述歷史邊緣信息與所述歷史邊緣信息對應(yīng)的轉(zhuǎn)置邊緣信息的節(jié)點(diǎn)相似度，得到第二圖鄰接矩陣；

34、根據(jù)所述歷史位置信息和所述第一圖鄰接矩陣進(jìn)行圖推理，得到推理位置信息，根據(jù)所述歷史邊緣信息和所述第二圖鄰接矩陣進(jìn)行圖推理，得到推理邊緣信息；

35、將所述推理位置信息和所述增強(qiáng)位置特征進(jìn)行特征合并，得到處理后的位置特征，將所述推理邊緣信息和所述增強(qiáng)邊緣特征進(jìn)行特征合并，得到處理后的邊緣特征。

36、在本技術(shù)一種可能的實(shí)現(xiàn)方式中，所述偽裝目標(biāo)圖像進(jìn)行特征提取，得到位置特征和邊緣特征，包括：

37、將所述偽裝目標(biāo)圖像輸入到預(yù)設(shè)的偽裝目標(biāo)檢測模型，所述偽裝目標(biāo)檢測模型包括通道融合模塊和目標(biāo)注意力模塊；

38、基于所述通道融合模塊獲取所述偽裝目標(biāo)圖像中的圖像特征，并根據(jù)所述圖像特征對應(yīng)的通道特征向量對所述圖像特征進(jìn)行加權(quán)，得到加權(quán)圖像特征；

39、基于所述目標(biāo)注意力模塊對所述加權(quán)圖像特征進(jìn)行多維信息檢測，得到偽裝目標(biāo)圖像的位置特征和邊緣特征。

40、另一方面，本技術(shù)提供一種偽裝目標(biāo)檢測裝置，所述偽裝目標(biāo)檢測裝置包括：

41、圖像獲取模塊，被配置為獲取待檢測的偽裝目標(biāo)圖像；

42、特征提取模塊，被配置為所述偽裝目標(biāo)圖像進(jìn)行特征提取，得到位置特征和邊緣特征；

43、特征增強(qiáng)模塊，被配置為對所述位置特征和所述邊緣特征進(jìn)行特征增強(qiáng)，得到處理后的位置特征和處理后的邊緣特征，所述特征增強(qiáng)操作包括橫向特征增強(qiáng)和縱向特征增強(qiáng)；

44、特征分類模塊，被配置為根據(jù)所述處理后的位置特征和所述處理后的邊緣特征進(jìn)行分類映射，得到所述偽裝目標(biāo)圖像的偽裝輸出結(jié)果和邊緣輸出結(jié)果。

45、另一方面，本技術(shù)還提供一種偽裝目標(biāo)檢測設(shè)備，所述偽裝目標(biāo)檢測設(shè)備包括：

46、一個或多個處理器；

47、存儲器；以及

48、一個或多個應(yīng)用程序，其中所述一個或多個應(yīng)用程序被存儲于所述存儲器中，并配置為由所述處理器執(zhí)行以實(shí)現(xiàn)所述的偽裝目標(biāo)檢測方法的步驟。

49、另一方面，本技術(shù)還提供一種計算機(jī)可讀存儲介質(zhì)，其上存儲有計算機(jī)程序，所述計算機(jī)程序被處理器進(jìn)行加載，以執(zhí)行所述的偽裝目標(biāo)檢測方法中的步驟。

50、本技術(shù)中通過獲取待檢測的偽裝目標(biāo)圖像；所述偽裝目標(biāo)圖像進(jìn)行特征提取，得到位置特征和邊緣特征；對所述位置特征和所述邊緣特征進(jìn)行特征增強(qiáng)，得到處理后的位置特征和處理后的邊緣特征，所述特征增強(qiáng)操作包括橫向特征增強(qiáng)和縱向特征增強(qiáng)；根據(jù)處理后的位置特征和處理后的邊緣特征進(jìn)行分類映射，得到所述偽裝目標(biāo)圖像的偽裝目標(biāo)識別結(jié)果。實(shí)現(xiàn)通過對偽裝目標(biāo)圖像進(jìn)行邊緣信息增強(qiáng)，從而提高對迷彩偽裝目標(biāo)對象的識別準(zhǔn)確率。