物品检测方法、装置、电子装置和存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113920285A(43)申请公布日2022.01.11(21)申请号202111034454.7(22)申请日2021.09.03(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)发明人朱劲松熊剑平(74)专利代理机构杭州华进联浙知识产权代理有限公司33250代理人周长梅(51)Int.Cl.G06V10/20(2022.01)G06V10/82(2022.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书2页说明书10页附图2页(54)发明名称物品检测方法、装置、电子装置和存储介质(57)摘要本申请涉及一种物品检测方法、装置、电子装置和存储介质，其中，该物品检测方法包括：获取包含待处理物品的待检测图像；基于训练后的物品检测模型中的N个子网络，分别对所述待检测图像进行物品检测，得到输出图像；其中：所述N为大于1的整数；所述输出图像中包含针对所述待处理物品的N个检测框，所述N个检测框中每两个检测框不同，一个所述子网络确定出所述N个检测框中的一个检测框，不同子网络确定出的检测框不同。本申请采用机器学习模型，将待检测图像中的目标物品同时用多个不同的检测框标注出来，可以更清楚的展示违禁物品的位置与信息，标注效果更好。CN113920285ACN113920285A权利要求书1/2页1.一种物品检测方法，其特征在于，包括：获取包含待处理物品的待检测图像；基于训练后的物品检测模型中的N个子网络，分别对所述待检测图像进行物品检测，得到输出图像；其中：所述N为大于1的整数；所述输出图像中包含针对所述待处理物品的N个检测框，所述N个检测框中每两个检测框不同，一个所述子网络确定出所述N个检测框中的一个检测框，不同子网络确定出的检测框不同。2.根据权利要求1所述的物品检测方法，其特征在于，所述物品检测模型是通过如下方式进行训练的：获取待训练的物品检测模型；以及获取包括历史图像和参考图像的训练图像对；所述历史图像中包含历史物品，所述参考图像中包含针对历史物品的所述N个检测框；将所述训练图像对输入所述待训练的物品检测模型，得到所述N个子网络输出的N个损失值；基于所述N个损失值，对所述待训练的物品检测模型的模型参数进行调整。3.根据权利要求2所述的物品检测方法，其特征在于，所述基于所述N个损失值，对所述待训练的物品检测模型的模型参数进行调整，包括：对所述N个损失值进行加权求和，得到综合损失值；基于所述综合损失值，对所述待训练的物品检测模型的模型参数进行调整。4.根据权利要求1‑3任一项所述的物品检测方法，其特征在于，所述N个检测框包括水平检测框和旋转检测框；所述水平检测框为长边的垂线与竖直方向平行的矩形框，所述旋转检测框为长边的垂线与竖直方向的夹角不为零的矩形框；所述N个子网络包括用于确定所述水平检测框的水平检测框子网络以及用于确定所述旋转检测框的旋转检测框子网络。5.根据权利要求4所述的物品检测方法，其特征在于，所述待检测图像是针对目标场景采集的图像；所述得到输出图像之后，还包括：确定所述水平检测框的长边和短边的第一比值；以及确定所述旋转检测框的长边和短边的第二比值；基于所述第一比值和所述第二比值，确定所述待处理物品是否是所述目标场景关联的违规物品。6.根据权利要求2所述的物品检测方法，其特征在于，所述将所述训练图像对输入所述待训练的物品检测模型，得到所述N个子网络输出的N个损失值包括：基于预测检测框与实际检测框的边框回归损失以及置信度损失确定水平检测框子网络的第一损失值以及旋转检测框子网络的第二损失值，所述预测检测框为所述历史图像上标注的先验检测框，所述实际检测框为所述参考图像上标注的物品检测框。7.根据权利要求2所述的物品检测方法，其特征在于，所述将所述训练图像对输入所述待训练的物品检测模型，得到所述N个子网络输出的N个损失值还包括：2CN113920285A权利要求书2/2页基于预测旋转框与实际旋转框的边框回归损失、置信度损失以及角度回归损失确定旋转检测框子网络的第二损失值，所述预测旋转框为所述历史图像上标注的先验旋转框，所述实际旋转框为所述参考图像上标注的旋转检测框。8.一种物品检测装置，其特征在于，包括：图像获取模块，用于获取包含待处理物品的待检测图像；检测模块，用于基于训练后的物品检测模型中的N个子网络，分别对所述待检测图像进行物品检测，得到输出图像；其中：所述N为大于1的整数；所述输出图像中包含针对所述待处理物品的N个检测框，所述N个检测框中每两个检测框不同，一个所述子网络确定出所述N个检测框中的一个检测框，不同子网络确定出的检测框不同。9.一种电子装置，包括存储器和处理器，其特