(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210919689.2 (22)申请日 2022.08.02 (65)同一申请的已公布的文献号 申请公布号 CN 114998438 A (43)申请公布日 2022.09.02 (73)专利权人 深圳比特微电子科技有限公司 地址 518051 广东省深圳市南 山区粤海街 道高新南六道航盛科技大厦801 (72)发明人 凌明　艾国　杨作兴　 (74)专利代理 机构 北京润泽恒知识产权代理有 限公司 1 1319 专利代理师 莎日娜 (51)Int.Cl. G06T 7/73(2017.01) G06V 10/20(2022.01)G06V 10/22(2022.01) G06V 10/762(2022.01) G06V 10/764(2022.01) (56)对比文件 CN 108268 869 A,2018.07.10 CN 113642510 A,2021.1 1.12 CN 111738262 A,2020.10.02 CN 112906685 A,2021.0 6.04 CN 113221731 A,2021.08.0 6 CN 110781819 A,2020.02.1 1 审查员 王俊杰 (54)发明名称 一种目标检测方法、 装置和机器可读存储介 质 (57)摘要 本发明实施例提供了一种目标检测方法、 装 置和机器可读存储介质。 其中的方法包括： 获取 待检测图像， 所述待检测图像中包含目标对象； 将所述待检测图像输入至全定点目标检测网络 中进行检测处理， 得到所述待检测图像在每个尺 度参数上对应的特征数据， 所述特征数据包括每 个特征点对应的边界框， 所述边界框对应一个目 标置信度； 根据所述目标置信度确定每个尺度参 数对应的边界框集合； 向处理器发送数据处理请 求， 所述数据处理请求携带每个尺度参数对应的 边界框集合， 以使所述处理器根据所述每个尺度 参数对应的边界框集合， 执行数据处理操作。 本 发明实施例可以有效降低边缘计算设备的存储 成本， 有利于降低CPU功耗， 且无需额外增加硬件 开销。 权利要求书3页 说明书9页 附图2页 CN 114998438 B 2022.11.01 CN 114998438 B 1.一种目标检测方法， 其特 征在于， 应用于边 缘计算设备， 所述方法包括： 获取待检测图像， 所述待检测图像中包 含目标对象； 将所述待检测图像输入至全定点目标检测网络 中进行检测处理， 得到所述待检测图像 在每个尺度参数上对应的特征数据， 所述特征数据包括每个特征点对应的边界框， 所述边 界框对应一个目标置信度， 所述目标置信度用于度量所述目标对象位于所述边界框内的概 率； 根据所述目标置信度确定每个尺度参数对应的边界框集合， 所述边界框集合中包含目 标边界框和所述目标边界框的位置信息， 所述目标边界框的目标置信度大于或等于预设的 置信度阈值； 向处理器发送数据处理请求， 所述数据处理请求携带每个尺度参数对应的边界框集 合， 以使所述处 理器根据所述每 个尺度参数对应的边界框集 合， 执行数据处理操作； 所述根据所述目标置信度确定每 个尺度参数对应的边界框集 合， 包括： 根据预设的激活函数建立函数映射表， 所述函数映射表包括置信度定点值与定点概率 值之间的映射关系； 根据预设的浮 点概率门限值计算定点 概率门限值； 在所述函数映射表中查找所述定点概率门限值对应的置信度定点值， 并将所述定点概 率门限值对应的置信度定点 值确定为置信度阈值； 将各个边界框对应的目标置信度与所述置信度阈值进行比较； 若存在目标置信度大于或等于所述置信度阈值的边界框， 则确定所述边界框为目标边 界框； 按照每个目标边界框对应的尺度参数对目标边界框进行聚类， 得到每个尺度参数对应 的边界框集 合。 2.根据权利要求1所述的方法， 其特征在于， 所述每个尺度参数对应的边界框集合中包 含的目标边界框的数目小于或等于预设数目。 3.根据权利要求1所述的方法， 其特征在于， 所述按照每个目标边界框对应的尺度参数 对目标边界框进行聚类， 得到每 个尺度参数对应的边界框集 合， 包括： 按照每个目标边界框对应的尺度参数对目标边界框进行聚类， 得到每个尺度参数对应 的目标边界框； 确定每个尺度参数对应的目标边界框的数目； 若第一尺度参数对应的目标边界框的数目大于预设数目， 则按照目标边界框的生成时 间， 在所述第一尺度参数对应的目标边界框中顺序选取预设数目个目标边界框， 得到所述 第一尺度参数对应的边界框集 合， 其中， 所述第一尺度参数为任意 一个预设的尺度参数。 4.根据权利要求1所述的方法， 其特征在于， 所述特征数据还包括每个特征点对应的类 别得分信息和位置回归值； 所述类别得分信息用于指示特 征点属于各个 类别的概 率。 5.根据权利要求1所述的方法， 其特征在于， 所述数据处理操作包括边界框解码操作、 非极大值抑制操作中的至少一项。 6.根据权利要求1所述的方法， 其特 征在于， 所述方法还 包括： 若所述待检测图像在各个尺度参数上对应的特征数据中不包含目标置信度大于或等 于预设的置信度阈值的目标边界框， 则继续检测下一帧待检测图像。权　利　要　求　书 1/3 页 2 CN 114998438 B 27.一种目标检测装置， 其特 征在于， 应用于边 缘计算设备， 所述装置包括： 图像获取模块， 用于获取待检测图像， 所述待检测图像中包 含目标对象； 检测处理模块， 用于将所述待检测图像输入至全定点目标检测网络中进行检测 处理， 得到所述待检测图像在每个尺度参数上对应的特征数据， 所述特征数据包括每个特征点对 应的边界框， 所述边界框对应一个目标置信度， 所述 目标置信度用于度量所述目标对 象位 于所述边界框内的概 率； 边界框确定模块， 用于根据所述目标置信度确定每个尺度参数对应的边界框集合， 所 述边界框集合中包含目标边界框和所述目标边界框的位置信息， 所述目标边界框的目标置 信度大于或等于预设的置信度阈值； 请求发送模块， 用于向处理器发送数据处理请求， 所述数据处理请求携带每个尺度参 数对应的边界框集合， 以使所述处理器根据所述每个尺度参数对应的边界框集合， 执行数 据处理操作； 所述边界框确定模块， 包括： 映射表构建子模块， 用于根据预设的激活函数建立函数映射表， 所述函数映射表包括 置信度定点 值与定点 概率值之间的映射关系； 门限计算子模块， 用于根据预设的浮 点概率门限值计算定点 概率门限值； 阈值确定子模块， 用于在所述函数映射表中查找所述定点概率门限值对应的置信度定 点值， 并将所述定点 概率门限值对应的置信度定点 值确定为置信度阈值； 置信度比较子模块， 用于将各个边界框对应的目标置信度与所述置信度阈值进行比 较； 目标边界框确定子模块， 用于若存在目标置信度大于或等于所述置信度阈值的边界 框， 则确定所述 边界框为目标边界框； 聚类子模块， 用于按照每个目标边界框对应的尺度参数对目标边界框进行聚类， 得到 每个尺度参数对应的边界框集 合。 8.根据权利要求7所述的装置， 其特征在于， 所述每个尺度参数对应的边界框集合中包 含的目标边界框的数目小于或等于预设数目。 9.根据权利要求8所述的装置， 其特 征在于， 所述聚类子模块， 包括： 聚类单元， 用于按照每个目标边界框对应的尺度参数对目标边界框进行聚类， 得到每 个尺度参数对应的目标边界框； 数目确定单 元， 用于确定每 个尺度参数对应的目标边界框的数目； 边界框选取单元， 用于若第一尺度参数对应的目标边界框的数目大于预设数目， 则按 照目标边界框的生成时间， 在所述第一尺度参数对应的目标边界框中顺序选取预设数目个 目标边界框， 得到所述第一尺度参数对应的边界框集合， 其中， 所述第一尺度参数为任意一 个预设的尺度参数。 10.根据权利要求7所述的装置， 其特征在于， 所述特征数据还包括每个特征点对应的 类别得分信息和位置回归值； 所述类别得分信息用于指示特 征点属于各个 类别的概 率。 11.根据权利要求7所述的装置， 其特征在于， 所述数据处理操作包括边界框解码操作、 非极大值抑制操作中的至少一项。 12.根据权利要求7 所述的装置， 其特 征在于， 所述装置还 包括：权　利　要　求　书 2/3 页 3 CN 114998438 B 3