本技術(shù)涉及圖像處理，具體而言，涉及一種目標(biāo)檢測(cè)方法、裝置、存儲(chǔ)介質(zhì)及設(shè)備。

背景技術(shù)：

1、目前，基于攝像頭2d圖像進(jìn)行車載路況感知的技術(shù)被廣泛應(yīng)用于城市noa（navigate?on?autopilot，導(dǎo)航輔助自動(dòng)駕駛）中，而準(zhǔn)確、有效地感知遠(yuǎn)處與近處動(dòng)靜態(tài)目標(biāo)，成為提升智駕表現(xiàn)的主要指標(biāo)之一?，F(xiàn)有的基于單目視覺的目標(biāo)檢測(cè)方案主要是先通過一個(gè)大參數(shù)量的神經(jīng)網(wǎng)絡(luò)模型對(duì)輸入的圖像進(jìn)行初步檢測(cè)，根據(jù)初步檢測(cè)結(jié)果對(duì)圖像進(jìn)行區(qū)域摳圖后再送入另一個(gè)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行精細(xì)化檢測(cè)，以獲得遠(yuǎn)處目標(biāo)信息和近處目標(biāo)信息。然而，當(dāng)初步檢測(cè)結(jié)果中具有較多目標(biāo)物時(shí)，摳圖和后續(xù)檢測(cè)的耗時(shí)將會(huì)變長，往往無法滿足實(shí)時(shí)性需求，而且對(duì)實(shí)際車載配置的芯片算力需求較高。

技術(shù)實(shí)現(xiàn)思路

1、本技術(shù)的目的在于提供一種目標(biāo)檢測(cè)方法、裝置、存儲(chǔ)介質(zhì)及設(shè)備，旨在解決相關(guān)技術(shù)中基于單目視覺的目標(biāo)檢測(cè)方式存在的難以滿足實(shí)時(shí)性需求，而且對(duì)芯片算力需求較高的問題。

2、第一方面，本技術(shù)提供的一種目標(biāo)檢測(cè)方法，包括：通過第一目標(biāo)檢測(cè)模型對(duì)基于車載攝像頭采集到的目標(biāo)圖像序列中的第一幀圖像進(jìn)行處理，得到初步檢測(cè)信息；所述初步檢測(cè)信息包括所述第一幀圖像中的所有目標(biāo)的區(qū)域位置信息；根據(jù)所述初步檢測(cè)信息獲取遠(yuǎn)處目標(biāo)區(qū)域，將所述遠(yuǎn)處目標(biāo)區(qū)域劃分為多個(gè)類別，并將所述多個(gè)類別分配給所述目標(biāo)圖像序列中的其余圖像，從所述其余圖像中裁剪出與所分配的類別相對(duì)應(yīng)的遠(yuǎn)處目標(biāo)區(qū)域圖，并根據(jù)所述目標(biāo)圖像序列的時(shí)間線在所述其余圖像中選取一幀圖像，從選取的圖像中裁剪出近處目標(biāo)區(qū)域圖；對(duì)所述遠(yuǎn)處目標(biāo)區(qū)域圖和所述近處目標(biāo)區(qū)域圖進(jìn)行目標(biāo)檢測(cè)，得到遠(yuǎn)處目標(biāo)信息和近處目標(biāo)信息；所述遠(yuǎn)處目標(biāo)信息包括所述目標(biāo)圖像序列中的遠(yuǎn)處目標(biāo)的位姿信息；所述近處目標(biāo)信息包括所述目標(biāo)圖像序列中的近處目標(biāo)的位姿信息。

3、在上述實(shí)現(xiàn)過程中，以目標(biāo)圖像序列為一個(gè)檢測(cè)周期，通過第一目標(biāo)檢測(cè)模型對(duì)該目標(biāo)圖像序列中的第一幀圖像進(jìn)行初步檢測(cè)，識(shí)別出所有目標(biāo)在圖像上的區(qū)域位置，之后，將遠(yuǎn)處目標(biāo)區(qū)域劃分為多個(gè)類別，將這多個(gè)類別分配給該目標(biāo)圖像序列的其余圖像，以此截取出遠(yuǎn)處目標(biāo)區(qū)域圖，進(jìn)而對(duì)該遠(yuǎn)處目標(biāo)區(qū)域圖進(jìn)行目標(biāo)檢測(cè)，得到遠(yuǎn)處目標(biāo)信息，同時(shí)，根據(jù)目標(biāo)圖像序列的時(shí)間線在該其余圖像中選取一幀，從中裁剪出近處目標(biāo)區(qū)域圖，進(jìn)而對(duì)該近處目標(biāo)區(qū)域圖進(jìn)行目標(biāo)檢測(cè)，得到近處目標(biāo)信息。如此，在實(shí)現(xiàn)對(duì)遠(yuǎn)近處目標(biāo)的穩(wěn)定檢測(cè)的同時(shí)，降低計(jì)算消耗，提升計(jì)算效率，從而滿足實(shí)時(shí)性需求，并且降低對(duì)芯片算力的需求。

4、進(jìn)一步地，在一些例子中，所述目標(biāo)圖像序列的圖像幀數(shù)根據(jù)所述車載攝像頭的感知幀率進(jìn)行設(shè)置。

5、在上述實(shí)現(xiàn)過程中，根據(jù)實(shí)際車載攝像頭的感知幀率對(duì)檢測(cè)周期內(nèi)的圖像幀數(shù)進(jìn)行動(dòng)態(tài)取值，有效避免在某些幀中漏檢目標(biāo)的情況，從而提升目標(biāo)檢測(cè)的準(zhǔn)確性和可靠性。

6、進(jìn)一步地，在一些例子中，所述根據(jù)所述初步檢測(cè)信息獲取遠(yuǎn)處目標(biāo)區(qū)域，將所述遠(yuǎn)處目標(biāo)區(qū)域劃分為多個(gè)類別，包括：根據(jù)所述第一幀圖像中的所有遠(yuǎn)處目標(biāo)的區(qū)域位置信息，對(duì)所述第一幀圖像中的遠(yuǎn)處目標(biāo)區(qū)域進(jìn)行截?。徊捎镁垲愃惴?，對(duì)截取的遠(yuǎn)處目標(biāo)區(qū)域進(jìn)行聚類，得到多個(gè)類別。

7、在上述實(shí)現(xiàn)過程中，基于第一目標(biāo)檢測(cè)模型輸出的遠(yuǎn)處目標(biāo)的區(qū)域位置信息，對(duì)遠(yuǎn)處目標(biāo)區(qū)域進(jìn)行截取，在截取出所有的遠(yuǎn)處目標(biāo)區(qū)域后，使用聚類算法將這些待檢測(cè)的遠(yuǎn)處目標(biāo)劃分成多個(gè)類別，如此，實(shí)現(xiàn)對(duì)遠(yuǎn)處目標(biāo)區(qū)域的檢測(cè)任務(wù)的合理分配，從而有效提升檢測(cè)效率，并降低目標(biāo)檢測(cè)所需的算力需求。

8、進(jìn)一步地，在一些例子中，所述聚類算法為k均值聚類算法；所述k均值聚類算法的k值是所述目標(biāo)圖像序列的圖像幀數(shù)減一后得到的值。

9、在上述實(shí)現(xiàn)過程中，使用k均值聚類算法對(duì)遠(yuǎn)處目標(biāo)區(qū)域進(jìn)行聚類合并，類別的數(shù)量與目標(biāo)圖像序列除第一幀圖像外的剩余圖像幀數(shù)保持一致，使得接下來的圖像執(zhí)行推理的時(shí)候，每一幀都有遠(yuǎn)處目標(biāo)檢測(cè)任務(wù)，從而有效提升遠(yuǎn)處目標(biāo)檢測(cè)任務(wù)分配的合理性與可靠性。

10、進(jìn)一步地，在一些例子中，所述初步檢測(cè)信息還包括所述第一幀圖像中的所有目標(biāo)的置信度；所述將所述多個(gè)類別分配給所述目標(biāo)圖像序列中的其余圖像，包括：根據(jù)每個(gè)類別包含的遠(yuǎn)處目標(biāo)的置信度，計(jì)算所述類別的累積置信度；將所述多個(gè)類別按照所述累積置信度進(jìn)行升序排列；根據(jù)所述多個(gè)類別的排列順序，將所述多個(gè)類別依次分配給所述目標(biāo)圖像序列中的其余圖像，以使所述其余圖像中每幀圖像分配到一個(gè)類別。

11、在上述實(shí)現(xiàn)過程中，提供一種分配遠(yuǎn)處目標(biāo)檢測(cè)任務(wù)的具體方式，對(duì)置信度低的遠(yuǎn)處目標(biāo)進(jìn)行優(yōu)先檢測(cè)，從而保證了檢測(cè)結(jié)果在整個(gè)時(shí)序上的長期穩(wěn)定性和精確性。

12、進(jìn)一步地，在一些例子中，所述根據(jù)所述目標(biāo)圖像序列的時(shí)間線在所述其余圖像中選取一幀圖像，包括：根據(jù)所述目標(biāo)圖像序列的時(shí)間線，在所述其余圖像確定中間時(shí)刻對(duì)應(yīng)的至少一幀圖像；從所述中間時(shí)刻對(duì)應(yīng)的至少一幀圖像中選取一幀圖像。

13、在上述實(shí)現(xiàn)過程中，從中間時(shí)刻對(duì)應(yīng)的至少一幀圖像中截取近處目標(biāo)區(qū)域圖進(jìn)行近處目標(biāo)檢測(cè)，從而在保證近處目標(biāo)的穩(wěn)定檢測(cè)的同時(shí)，有效降低計(jì)算消耗，提升檢測(cè)效率。

14、進(jìn)一步地，在一些例子中，所述對(duì)所述遠(yuǎn)處目標(biāo)區(qū)域圖和所述近處目標(biāo)區(qū)域圖進(jìn)行目標(biāo)檢測(cè)，得到遠(yuǎn)處目標(biāo)信息和近處目標(biāo)信息，包括：通過第二目標(biāo)檢測(cè)模型對(duì)所述遠(yuǎn)處目標(biāo)區(qū)域圖進(jìn)行目標(biāo)檢測(cè)，得到遠(yuǎn)處目標(biāo)信息，并通過第三目標(biāo)檢測(cè)模型對(duì)所述近處目標(biāo)區(qū)域圖進(jìn)行目標(biāo)檢測(cè)，得到近處目標(biāo)信息；其中，所述第二目標(biāo)檢測(cè)模型是基于第一訓(xùn)練數(shù)據(jù)集訓(xùn)練得到的；所述第一訓(xùn)練數(shù)據(jù)集包括多個(gè)遠(yuǎn)處目標(biāo)樣本圖像和每個(gè)遠(yuǎn)處目標(biāo)樣本圖像對(duì)應(yīng)的標(biāo)簽；所述遠(yuǎn)處目標(biāo)樣本圖像對(duì)應(yīng)的標(biāo)簽包括所述遠(yuǎn)處目標(biāo)樣本圖像中的遠(yuǎn)處目標(biāo)的指定屬性的真值；所述第三目標(biāo)檢測(cè)模型是基于第二訓(xùn)練數(shù)據(jù)集訓(xùn)練得到的；所述第二訓(xùn)練數(shù)據(jù)集包括多個(gè)近處目標(biāo)樣本圖像和每個(gè)近處目標(biāo)樣本圖像對(duì)應(yīng)的標(biāo)簽；所述近處目標(biāo)樣本圖像對(duì)應(yīng)的標(biāo)簽包括所述近處目標(biāo)樣本圖像中的近處目標(biāo)的指定屬性的真值。

15、在上述實(shí)現(xiàn)過程中，訓(xùn)練兩個(gè)神經(jīng)網(wǎng)絡(luò)模型，分別專用于檢測(cè)遠(yuǎn)處目標(biāo)和近處目標(biāo)，從而有效提升感知的準(zhǔn)確性。

16、第二方面，本技術(shù)提供的一種目標(biāo)檢測(cè)裝置，包括：初步檢測(cè)模塊，用于通過第一目標(biāo)檢測(cè)模型對(duì)基于車載攝像頭采集到的目標(biāo)圖像序列中的第一幀圖像進(jìn)行處理，得到初步檢測(cè)信息；所述初步檢測(cè)信息包括所述第一幀圖像中的所有目標(biāo)的區(qū)域位置信息；區(qū)域裁剪模塊，用于根據(jù)所述初步檢測(cè)信息獲取遠(yuǎn)處目標(biāo)區(qū)域，將所述遠(yuǎn)處目標(biāo)區(qū)域劃分為多個(gè)類別，并將所述多個(gè)類別分配給所述目標(biāo)圖像序列中的其余圖像，從所述其余圖像中裁剪出與所分配的類別相對(duì)應(yīng)的遠(yuǎn)處目標(biāo)區(qū)域圖，并根據(jù)所述目標(biāo)圖像序列的時(shí)間線在所述其余圖像中選取一幀圖像，從選取的圖像中裁剪出近處目標(biāo)區(qū)域圖；目標(biāo)檢測(cè)模塊，用于對(duì)所述遠(yuǎn)處目標(biāo)區(qū)域圖和所述近處目標(biāo)區(qū)域圖進(jìn)行目標(biāo)檢測(cè)，得到遠(yuǎn)處目標(biāo)信息和近處目標(biāo)信息；所述遠(yuǎn)處目標(biāo)信息包括所述目標(biāo)圖像序列中的遠(yuǎn)處目標(biāo)的位姿信息；所述近處目標(biāo)信息包括所述目標(biāo)圖像序列中的近處目標(biāo)的位姿信息。

17、第三方面，本技術(shù)提供的一種電子設(shè)備，包括：存儲(chǔ)器、處理器以及存儲(chǔ)在所述存儲(chǔ)器中并可在所述處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)如第一方面任一項(xiàng)所述的方法的步驟。

18、第四方面，本技術(shù)提供的一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)上存儲(chǔ)有指令，當(dāng)所述指令在計(jì)算機(jī)上運(yùn)行時(shí)，使得所述計(jì)算機(jī)執(zhí)行如第一方面任一項(xiàng)所述的方法。

19、第五方面，本技術(shù)提供的一種計(jì)算機(jī)程序產(chǎn)品，所述計(jì)算機(jī)程序產(chǎn)品在計(jì)算機(jī)上運(yùn)行時(shí)，使得計(jì)算機(jī)執(zhí)行如第一方面任一項(xiàng)所述的方法。

20、本技術(shù)公開的其他特征和優(yōu)點(diǎn)將在隨后的說明書中闡述，或者，部分特征和優(yōu)點(diǎn)可以從說明書推知或毫無疑義地確定，或者通過實(shí)施本技術(shù)公開的上述技術(shù)即可得知。

21、為使本技術(shù)的上述目的、特征和優(yōu)點(diǎn)能更明顯易懂，下文特舉較佳實(shí)施例，并配合所附附圖，作詳細(xì)說明如下。