技术摘要：
一种目标检测方法，包括：根据待检测图像，确定与待检测图像上的多个区域对应的多个检测点，以及各检测点对应的区域存在目标物的概率值；从所有检测点中筛选出概率值最大的第一检测点，以及概率值小于第一检测点的概率值、且大于或等于概率阈值的至少一个第二检测点；  全部
背景技术：
在计算机视觉领域，目标检测是基础且具有实际应用意义的研究方向。通过目标 检测可以识别图像中存在的目标物(例如人物、动物、植物、交通工具等)，并对识别出的目 标物进行标记。
技术实现要素：
一方面，提供一种目标检测方法。所述目标检测方法包括：根据待检测图像，确定 与所述待检测图像上的多个区域对应的多个检测点，以及各检测点对应的区域存在目标物 的概率值；从所有检测点中筛选出概率值最大的第一检测点，以及概率值小于所述第一检 测点的概率值、且大于或等于概率阈值的至少一个第二检测点；其中，所述第一检测点对应 的区域存在目标物；判断每个第二检测点与所述第一检测点之间的第一距离是否大于或等 于距离阈值，当所述第一距离大于或等于所述距离阈值时，则将相应的第二检测点的概率 值进行更新，得到更新后的概率值；将更新后的概率值与所述概率阈值进行比较，得到比较 结果，并根据所述比较结果确定所述第二检测点对应的区域是否存在新的目标物。 在一些实施例中，所述将相应的第二检测点的原概率值进行更新，得到更新后的 概率值，包括：根据各第一距离确定相应的第二检测点的概率减小量，其中，所述概率减小 量与相应的第一距离呈正相关；将所述相应的第二检测点的原概率值与所述概率减小量的 差值作为所述第二检测点更新后的概率值。 在一些实施例中，所述将相应的第二检测点的原概率值进行更新，得到更新后的 概率值，包括：将所述第二检测点的概率值作为因变量输入预设函数，以得到第一参数；其 中，所述预设函数为单调递减函数，且位于平面直角坐标系的第一象限内；将所述第二检测 点到所述第一检测点的所述第一距离与所述第一参数相加得到第二参数；将所述第二参数 作为自变量输入所述预设函数，以得到所述第二检测点更新后的概率值。 在一些实施例中，所述预设函数为以下高斯函数位于平面直角坐标系的第一象限 内的部分： 其中，a、b与c为实数常数，且a>0，x为所述第二参数，f(x)为所述第二检测点更新 后的概率值。 在一些实施例中，所述预设函数为以下一次函数位于平面直角坐标系的第一象限 内的部分： f(x)＝kx b； 5 CN 111598088 A 说　明　书 2/10 页 其中，k与b为实数常数，且k＜0，x为所述第二参数，f(x)为所述第二检测点更新后 的概率值。 在一些实施例中，所述将更新后的概率值与所述概率阈值进行比较，得到比较结 果，并根据所述比较结果确定所述第二检测点对应的区域是否存在新的目标物，包括：判断 更新后的概率值是否大于或等于所述概率阈值；若是，则确定所述第二检测点对应的区域 存在新的目标物；若否，则确定所述第二检测点对应的区域不存在新的目标物。 在一些实施例中，还包括：当所述第一距离小于所述距离阈值时，则检测出所述第 二检测点对应的区域和所述第一检测点对应的区域存在同一目标物。 在一些实施例中，所述根据待检测图像，确定与所述待检测图像上的多个区域对 应的多个检测点，以及各检测点对应的区域存在目标物的概率值，包括：将所述待检测图像 输入训练好的目标网络模型进行特征提取，得到相应的特征信息，所述特征信息包括特征 图以及该特征图上各检测点存在目标物的概率值；所述特征图的分辨率为所述待检测图像 的分辨率的1/n倍，n＞1。 在一些实施例中，所述特征信息包括各检测点的位置补偿精度；所述目标检测方 法还包括：根据所述第一检测点及其位置补偿精度，确定该第一检测点对应的目标物在所 述待检测图像上的中心点；以及，根据对应的区域存在新目标物的所述第二检测点及其位 置补偿精度，确定该第二检测点对应的新目标物在所述待检测图像上的第二中心点。 在一些实施例中，所述特征信息包括各目标物的回归尺寸；所述目标检测方法还 包括：根据各目标物的所述回归尺寸，确定所检测到的各目标物在所述待检测图像上所覆 盖的区域。 在一些实施例中，所述目标网络模型包括下采样模块、上采样模块和残差模块；所 述下采样模块配置为对所述待检测图像执行下采样操作，以得到所述特征图；所述上采样 模块配置为对所述特征图执行上采样操作；所述残差模块配置为从所述待检测图像中提取 多个输入图像特征，以使所述上采样模块能够结合所述多个输入图像特征对所述特征图执 行所述上采样操作。 在一些实施例中，所述概率阈值为0.4～0.6。 另一方面，提供一种目标检测装置。所述目标检测装置包括检测点确定模块、筛选 模块、判断更新模块和比较确定模块。检测点确定模块被配置为根据待检测图像，确定与所 述待检测图像上的多个区域对应的多个检测点，以及各检测点对应的区域存在目标物的概 率值。筛选模块被配置为从所有检测点中筛选出概率值最大的第一检测点，以及概率值小 于所述第一检测点的概率值、且大于或等于概率阈值的至少一个第二检测点；其中，所述第 一检测点对应的区域存在目标物。判断更新模块被配置为判断每个第二检测点与所述第一 检测点之间的第一距离是否大于或等于距离阈值，当所述第一距离大于或等于所述距离阈 值时，则将相应的第二检测点的原概率值进行更新，得到更新后的概率值。比较确定模块被 配置为将更新后的概率值与所述概率阈值进行比较，得到比较结果，并根据所述比较结果 确定所述第二检测点对应的区域是否存在新的目标物。 再一方面，提供一种计算机设备。所述计算机设备包括：存储器；处理器；以及，储 存在所述存储器上并可在所述处理器上运行的计算机程序指令，所述处理器执行所述计算 机程序指令时实现如上述任一项实施例所述的目标检测方法中的。 6 CN 111598088 A 说　明　书 3/10 页 又一方面，提供一种计算机可读存储介质。所述计算机可读存储介质存储有计算 机程序指令，所述计算机程序指令在处理器上运行时，使得所述处理器执行如上述任一实 施例所述的目标检测方法中的。 又一方面，提供一种计算机程序产品。所述计算机程序产品包括计算机程序指令， 在计算机上执行所述计算机程序指令时，所述计算机程序指令使计算机执行如上述任一实 施例所述的目标检测方法。 又一方面，提供一种计算机程序。当所述计算机程序在计算机上执行时，所述计算 机程序使计算机执行如上述任一实施例所述的目标检测方法。 附图说明 为了更清楚地说明本公开中的技术方案，下面将对本公开一些实施例中所需要使 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公开的一些实施例的附 图，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。此外，以下描述 中的附图可以视作示意图，并非对本公开实施例所涉及的产品的实际尺寸、方法的实际流 程、信号的实际时序等的限制。 图1为根据本公开一些实施例的一种目标检测方法的流程图； 图2为根据本公开一些实施例的一种目标网络模型； 图3为根据本公开一些实施例的待检测图像及其对应的特征图； 图4为根据本公开一些实施例的另一种目标网络模型； 图5为根据本公开一些实施例的目标网络模型中的残差模块； 图6为根据本公开一些实施例的一种特征图； 图7为根据本公开一些实施例的另一种目标检测方法的流程图； 图8为根据本公开一些实施例的再一种目标检测方法的流程图； 图9为根据本公开一些实施例的又一种目标检测方法的流程图； 图10为根据本公开一些实施例的又一种目标检测方法的流程图； 图11为根据本公开一些实施例的一种目标检测装置的框图； 图12为根据本公开一些实施例的另一种目标检测装置的框图； 图13为根据本公开一些实施例的一种计算机设备的框图。