[发明专利] 一种遮挡物体检测方法和装置 – CN114187491B 全文链接一   全文链接二

 
基本信息
申请号
CN202210143660.X
申请日
20220217
公开(公告)号
CN114187491B
公开(公告)日
20220315
申请(专利权)人
中国科学院微电子研究所
申请人地址
100029 北京市朝阳区北土城西路3号
发明人
林美伶;史朝坤;胡子骏;郝悦星;赵政杰 专利类型 发明专利
摘要
本发明涉及一种遮挡物体检测方法和装置,属于图像处理技术领域,解决现有方法无法检测形状大小各异的物体之间是否发生遮挡且无法将相互遮挡的物体与其他物体区分开的问题。该方法包括:获得处于密集场景的训练图像和待识别图像并将训练图像和待识别图像进行预处理;对预处理的训练图像中待识别目标的类别和位置坐标进行标注;建立改进的神经网络模型并利用标注的训练图像对改进的神经网络模型进行训练以获得检测模型,改进的神经网络模型包括CBAM注意力模块以增强检测模型对待识别目标的特征提取能力;通过检测模型对待识别图像中的遮挡物体进行检测以获得检测结果。该方法可提高遮挡物体的检测精度和定位精度以满足工业应用中对算法的精度要求。
主权项
1.一种遮挡物体检测方法,其特征在于,包括:获得处于密集场景的训练图像和待识别图像并将所述训练图像和所述待识别图像进行预处理,其中,将所述训练图像或所述待识别图像进行预处理包括对尺度调整后的所述训练图像中的任意两种图像按比例进行插值混合,并且对插值混合后的分类结果按比例分配,其中,将第一目标的图像和第二目标的图像通过按照比例进行插值混合,并且对插值混合后的图像中目标的分类结果按以上的比例分配为第一目标和第二目标;对预处理的所述训练图像中待识别目标的类别和位置坐标进行标注,其中,所述待识别目标包括相互遮挡物体的整体目标和单个目标;建立改进的神经网络模型并利用标注的训练图像对所述改进的神经网络模型进行训练以获得检测模型,其中,所述改进的神经网络模型包括CBAM注意力模块和改进的损失函数,所述CBAM注意力模块用于增强检测模型对所述待识别目标的特征提取能力,以及所述改进的损失函数如下:LAttr代表预测框与所述预测框相对应的真实框之间的损失,LRepGT代表预测框与其他真实框之间的损失,LRepBox代表预测框与其他目标的预测框之间的损失,α、β和δ是平衡后三部分损失的权重, ,γ为控制异常值抑制程度的参数,和LEIOU代表附加惩罚项,其中,所述附加惩罚项包括重叠损失、中心距离损失和宽高损失以优化边界框回归时的样本不平衡,所述改进的神经网络模型进一步包括使用DIOU非极大值抑制后处理方法筛选预测框,其中,当相邻框的中心点越靠近当前最大置信度框的中心点时,所述相邻框越可能是冗余框;以及通过所述检测模型对待识别图像中的遮挡物体进行检测以获得检测结果,其中,所述检测结果包括所述待识别目标的类别、所述待识别目标的置信度以及所述待识别目标的边界框检测位置坐标。

 

 
IPC信息
IPC主分类号
G06V10/774
G 物理

G06 计算;推算;计数

 

 
法律状态信息
法律状态公告日
20220315
法律状态
公开 法律状态信息
CN202210143660 20220315 公开 公开

 

 
代理信息
代理机构名称
北京天达知识产权代理事务所(普通合伙) 11386
代理人姓名
牛洪瑜