目标检测方法、装置、电子设备及存储介质.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CN113688675A(43)申请公布日2021.11.23(21)申请号202110814956.5G06N3/08(2006.01)(22)申请日2021.07.19(71)申请人北京鹰瞳科技发展股份有限公司地址100048北京市海淀区北理工国防科技园2号楼4层21室申请人上海鹰瞳医疗科技有限公司(72)发明人陈荡荡和超张大磊(74)专利代理机构北京润泽恒知识产权代理有限公司11319代理人莎日娜(51)Int.Cl.G06K9/00(2006.01)G06K9/32(2006.01)G06K9/62(2006.01)G06N3/04(2006.01)权利要求书2页说明书8页附图3页(54)发明名称目标检测方法、装置、电子设备及存储介质(57)摘要本申请实施例提供了目标检测方法、装置、电子设备及存储介质，方法包括：利用第一目标检测模块对目标瞳孔图像进行处理，得到包括目标瞳孔图像中的待定位瞳孔的初步位置信息的第一结果；基于待定位瞳孔的初步位置信息，从目标瞳孔图像中截取出瞳孔区域图像；利用第二目标检测模块对瞳孔区域图像进行处理，得到第二结果，第二结果包括：待定位瞳孔的最终位置信息、瞳孔区域图像中的对象为瞳孔的概率。第一目标检测模块、第二目标检测模块均可以采用诸如简单的卷积神经网络进行建模，相对于诸如YOLO、FasterRCNN和SSD等较为复杂的目标检测算法进行目标检测，计算复杂度较低，适合应用在诸如眼底相机的计算性能较低的嵌入式设备上，同时，检测速度较快。CN113688675ACN113688675A权利要求书1/2页1.一种目标检测方法，其特征在于，所述方法包括：利用第一目标检测模块对目标瞳孔图像进行处理，得到第一结果，所述第一结果包括：所述目标瞳孔图像中的待定位瞳孔的初步位置信息，其中，所述第一目标检测模块被预先通过第一训练瞳孔图像和每一个第一训练瞳孔图像的标注数据训练；基于所述待定位瞳孔的初步位置信息，从所述目标瞳孔图像中截取出瞳孔区域图像；利用第二目标检测模块对所述瞳孔区域图像进行处理，得到第二结果，所述第二结果包括：所述待定位瞳孔的最终位置信息、所述瞳孔区域图像中的对象为瞳孔的概率，其中，所述第二目标检测模块被预先通过每一个第二训练瞳孔图像对应的训练数据训练，所述第二训练瞳孔图像对应的训练数据包括：对应于所述第二训练瞳孔图像中的瞳孔的每一个矩形框的训练数据，所述矩形框的训练数据包括：所述矩形框的差异信息、所述第二训练瞳孔图像中的被所述矩形框包围的图像块，其中，所述矩形框的差异信息指示所述矩形框与所述第二训练瞳孔图像中的瞳孔的标注框之间的差异。2.根据权利要求1所述的方法，其特征在于，所述每一个矩形框中的对应的交并比大于第一交并比阈值的矩形框用于训练所述第二目标检测模块中的回归分支并且作为用于训练所述第二目标检测模块中的分类分支的正样本，所述每一个矩形框中的对应的交并比小于第一交并比阈值并且大于交并比第二阈值的矩形框用于训练所述回归分支，所述每一个矩形框中的对应的交并比小于第三交并比阈值的矩形框作为用于训练所述分类分支的负样本，其中，所述矩形框对应的交并比为所述矩形框与所述标注框的交并比，所述第一交并比阈值大于所述交并比第二阈值，所述第二交并比阈值大于所述第三交并比阈值。3.根据权利要求1所述的方法，其特征在于，所述第一训练瞳孔图像的标注信息包括：所述第一训练瞳孔图像中的瞳孔的标注位置信息；所述方法还包括：对所述第一训练瞳孔图像中的瞳孔的标注位置信息中的每一项进行转化，得到所述每一项的转化值；生成所述第一训练瞳孔图像的用于训练的标签，所述第一训练瞳孔图像的用于训练的标签包括所述每一项的转化值。4.根据权利要求1所述的方法，其特征在于，所述第一目标检测模块包括用于预测瞳孔位置的卷积神经网络或者用于预测瞳孔位置的逻辑回归模型，所述第二目标检测模块包括用于预测瞳孔位置的卷积神经网络或者用于预测瞳孔位置的逻辑回归模型。5.根据权利要求1所述的方法，其特征在于，利用第二目标检测模块对所述瞳孔区域图像进行处理，得到第二结果包括：将所述瞳孔区域图像的尺寸调整至预设尺寸；利用第二目标检测模块对所述瞳孔区域图像进行处理，得到第二结果。6.一种目标检测装置，其特征在于，所述装置包括：第一检测单元，被配置为利用第一目标检测模块对目标瞳孔图像进行处理，得到第一结果，所述第一结果包括：所述目标瞳孔图像中的待定位瞳孔的初步位置信息，其中，所述第一目标检测模块被预先通过第一训练瞳孔图像和每一个第一训练瞳孔图像的标注数据训练；截取单元，被配置为基于所述待定位瞳孔的初步位置信息，从所述目标瞳孔图像中截取出瞳孔区域图像；2CN113688675A权利要求书2/2页第二检测单