(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210623352.7 (22)申请日 2022.06.01 (71)申请人 浙江大华 技术股份有限公司 地址 310051 浙江省杭州市滨江区滨安路 1187号 (72)发明人 于润润　李中振　巩海军　周经纬　 潘华东　 (74)专利代理 机构 深圳市威世博知识产权代理 事务所(普通 合伙) 44280 专利代理师 何倚雯 (51)Int.Cl. G06V 20/52(2022.01) G06V 10/44(2022.01) G06V 10/74(2022.01) G06V 10/764(2022.01)G06V 10/80(2022.01) (54)发明名称 一种目标检测方法、 装置、 终端及计算机可 读存储介质 (57)摘要 本发明提供一种目标检测方法、 装置、 终端 及计算机可读存储介质， 目标检测方法包括： 获 取到预设区域的待检测视频帧； 对待检测视频帧 进行目标检测， 得到待检测视频帧中包含的候选 目标； 对候选目标进行特征提取， 得到候选目标 的特征信息； 基于候选目标的特征信息与包含目 标对象的第一样本集之间的第一相似度， 确定候 选目标是否为目标对象。 本申请对待检测视频帧 进行目标检测， 得到候选目标， 通过将候选目标 的特征信息与包含目标对象的第一样本集进行 比对， 确定候选目标是否为目标对象， 避免出现 目标对象误检的现象， 进而提高了检测准确率以 及检测方法的泛化 性能。 权利要求书3页 说明书12页 附图6页 CN 115187924 A 2022.10.14 CN 115187924 A 1.一种目标检测方法， 其特 征在于， 所述目标检测方法包括： 获取到预设区域的待检测视频帧； 对所述待检测视频帧进行目标检测， 得到所述待检测视频帧中包 含的候选目标； 对所述候选目标进行 特征提取， 得到所述 候选目标的特 征信息； 基于所述候选目标的特征信 息与包含目标对象的第 一样本集之间的第 一相似度， 确定 所述候选目标 是否为所述目标对象。 2.根据权利要求1所述的目标检测方法， 其特 征在于， 所述基于所述候选目标的特征信 息与包含目标对象的第 一样本集之间的第 一相似度， 确定所述 候选目标 是否为所述目标对象， 包括： 响应于所述候选目标的特征信息与所述第一样本集中包含的所述目标对象的特征信 息之间的所述第一相似度大于预设值， 确定所述 候选目标为所述目标对象。 3.根据权利要求2所述的目标检测方法， 其特征在于， 所述第 一样本集包括至少两个类 别的子图像集； 各 所述子图像集包括多个包 含所述目标对象的同一部位的图像； 所述响应于所述候选目标的特征信息与所述第一样本集中包含的所述目标对象的特 征信息之间的所述第一相似度大于预设值， 确定所述 候选目标为所述目标对象， 包括： 基于所述候选目标的特征向量与各所述子图像集中包含的所述图像对应的特征信息 之间分别对应的相似度， 计算得到各所述子图像集与所述候选目标之 间分别对应的第二相 似度； 根据各所述子图像集分别对应的所述第 二相似度， 确定所述第 一样本集与 所述目标对 象之间的所述第一相似度。 4.根据权利要求1所述的目标检测方法， 其特 征在于， 所述获取到预设区域的待检测视频帧， 之前还 包括： 构建第二样本集， 所述第二样本集包括多个未包 含所述目标对象的背景图像。 5.根据权利要求 4所述的目标检测方法， 其特 征在于， 所述基于所述候选目标的特征信 息与包含目标对象的第 一样本集之间的第 一相似度， 确定所述 候选目标 是否为所述目标对象， 还 包括： 计算得到所述 候选目标的特 征信息与所述第二样本集之间对应的第三相似度； 响应于所述第一相似度大于所述第三相似度， 则确定所述 候选目标为所述目标对象。 6.根据权利要求5所述的目标检测方法， 其特 征在于， 所述响应于所述第 一相似度 大于所述第 三相似度， 则确定所述候选目标为所述目标对 象， 之后还 包括： 对所述目标对象的置信度进行加权 重置。 7.根据权利要求5所述的目标检测方法， 其特 征在于， 所述基于所述候选目标的特征信 息与包含目标对象的第 一样本集之间的第 一相似度， 确定所述 候选目标 是否为所述目标对象， 还 包括： 响应于所述第一相似度小于所述第三相似度， 则删除所述候选目标， 并将所述候选目 标作为非目标对象归属于所述第二样本集。 8.根据权利要求1所述的目标检测方法， 其特 征在于， 所述对所述 候选目标进行 特征提取， 得到所述 候选目标的特 征信息， 之前还 包括：权　利　要　求　书 1/3 页 2 CN 115187924 A 2判断所述 候选目标的置信度是否超过 预设置信度； 所述对所述 候选目标进行 特征提取， 得到所述 候选目标的特 征信息， 包括： 如果所述候选目标的置信度超过所述预设置信度， 则对所述候选目标进行特征检测得 到所述候选目标的特 征信息。 9.根据权利要求1所述的目标检测方法， 其特 征在于， 所述获取到预设区域的待检测视频帧， 之前还 包括： 获取到所述预设区域的背景视频帧， 所述背景视频帧的采集 时刻早于所述待检测视频 帧的采集时刻； 对所述背景视频帧进行目标检测， 得到所述背景视频帧对应的初始目标； 提取包含各所述初始目标的区域图像， 并将所述区域图像归属于第二样本集。 10.根据权利要求9所述的目标检测方法， 其特 征在于， 所述获取到所述预设区域的背景视频帧， 之后还 包括： 对所述背景视频帧进行 数据增强处 理， 得到多个增强图像； 所述对所述背景视频帧进行目标检测， 得到所述背景视频帧对应的初始目标， 包括： 对多个所述增强图像分别进行目标检测， 得到所述增强图像对应的所述初始目标。 11.根据权利要求1所述的目标检测方法， 其特 征在于， 所述对所述待检测视频帧进行目标检测， 得到所述待检测视频帧中包含的候选目标， 包括： 采用目标检测网络模型对所述待检测视频帧进行目标检测， 得到所述待检测视频帧中 包含的所述 候选目标； 其中， 所述目标检测网络模型的训练方法包括： 获取第一训练数据集， 所述第 一训练数据集包括多 张包含目标和多 张未包含所述目标 的第一样本图像； 所述第一样本图像标注有对应的真实目标框和真实类别， 所述未包含目 标的第一样本图像的真实目标框为空值； 将各所述第 一样本图像输入所述目标检测网络模型， 得到各所述第 一样本图像分别对 应的预测目标框和预测类别； 基于同一所述第一样本图像对应的所述真实类别与所述预测类别之间的误差值、 对应 的所述真实目标框和所述预测目标框之间的误差值对所述目标检测网络模型进行迭代训 练。 12.根据权利要求1所述的目标检测方法， 其特 征在于， 所述对所述 候选目标进行 特征提取， 得到所述 候选目标的特 征信息， 包括： 基于特征提取网络模型对所述候选目标进行特征检测， 得到所述候选目标的特征信 息； 其中， 所述特 征提取网络模型的训练方法包括： 获取第二训练数据集， 所述第 二训练数据集包括多 张包含目标和多 张未包含所述目标 的第二样本图像； 所述第二样本图像标注有真实特 征向量； 将各所述第 二样本图像输入所述特征提取网络模型， 得到各所述第 二样本图像分别对 应的预测特 征向量； 基于同一所述第二样本图像对应的所述真实特征向量与所述预测特征向量之间的误权　利　要　求　书 2/3 页 3 CN 115187924 A 3