本技術涉及自動駕駛，特別是涉及一種組合目標檢測方法、裝置、計算機設備、存儲介質和計算機程序產(chǎn)品。

背景技術：

1、自動駕駛是指通過人工智能、視覺計算、雷達、監(jiān)控裝置和全球定位系統(tǒng)等技術的協(xié)同作用，讓電腦可以在沒有任何人類主動的操作下，自動安全地操作機動車輛。在自動駕駛中，對環(huán)境中目標的檢測是十分重要的一個技術模塊，這一技術模塊是基于計算機視覺技術實現(xiàn)的，也同樣是計算機視覺研究領域的核心基礎方向，因此受到了廣泛地關注。與圖像識別不同，目標檢測不僅需要識別出圖像上存在的物體，給出對應的類別，還需要將該物體的位置通過最小包圍框（bounding?box）的方式給出。根據(jù)目標檢測需要輸出結果的不同，一般將使用rgb圖像進行目標檢測，輸出物體類別和在圖像上的最小包圍框的方式稱為2d目標檢測，而將使用rgb圖像、rgb-d深度圖像和激光點云，輸出物體類別及在三維空間中的長寬高、旋轉角等信息的檢測稱為3d目標檢測。

2、相關技術中，對2d目標的檢測大部分都采用基于候選框的目標檢測算法，先通過卷積網(wǎng)絡提取圖像特征，然后在特征圖的基礎上利用全連接網(wǎng)絡生成候選框，并通過網(wǎng)絡進行候選框的分類和邊框的回歸計算，得到對圖像中目標的分類和回歸結果。

3、然而，目前的目標檢測方法，存在如下的技術問題：

4、在進行目標識別的過程中，通過對圖像特征的提取實現(xiàn)了單一目標的檢測，但是當應用于復雜目標的檢測時，檢測的效率以及結果的準確率較低。

技術實現(xiàn)思路

1、基于此，有必要針對上述技術問題，提供一種能夠提高對組合目標檢測的效率和檢測結果的準確率的一種組合目標檢測方法、裝置、計算機設備、計算機可讀存儲介質和計算機程序產(chǎn)品。

2、第一方面，本技術提供了一種組合目標檢測方法。所述方法包括：

3、分別獲取待處理圖像中獨立目標的第一檢測結果；

4、獲取任意兩個所述獨立目標之間的關聯(lián)特征，根據(jù)所述關聯(lián)特征確定所述獨立目標之間的組合關系；

5、基于具有目標組合關系的所述獨立目標的所述第一檢測結果生成對所述組合目標的第二檢測結果，所述組合目標由具有目標組合關系的所述獨立目標組合得到。

6、在其中一個實施例中，所述第一檢測結果包括第一檢測框，所述獲取任意兩個所述獨立目標之間的關聯(lián)特征，根據(jù)所述關聯(lián)特征確定具有組合關系的所述獨立目標包括：

7、將所述獨立目標進行隨機配對，分別計算成對的兩個所述獨立目標對應的所述第一檢測框之間的交并參數(shù)；

8、篩選出所述交并參數(shù)大于或等于預設的組合閾值的成對的所述獨立目標。

9、在其中一個實施例中，所述篩選出所述交并參數(shù)大于或等于預設的組合閾值的成對的所述獨立目標之后，還包括：

10、基于所述第一檢測結果將篩選出的成對的所述獨立目標映射至同一二維坐標系內(nèi)；

11、獲取所述獨立目標之間的相對位置參數(shù)，根據(jù)所述相對位置參數(shù)確定所述獨立目標之間的組合關系。

12、在其中一個實施例中，所述基于具有組合關系的所述獨立目標的所述第一檢測結果生成對所述組合目標的第二檢測結果包括：

13、根據(jù)所述第一檢測結果將具有組合關系的所述獨立目標映射至同一二維坐標系內(nèi)；

14、生成用于定位所述組合目標的第二檢測框，所述第二檢測框內(nèi)包圍有與所述獨立目標對應的第一檢測框。

15、在其中一個實施例中，所述生成用于定位所述組合目標的第二檢測框，所述第二檢測框內(nèi)包圍有與所述獨立目標對應的第一檢測框包括：

16、生成將與所述組合目標相關聯(lián)的所述第一檢測框包圍的外接檢測框；

17、基于預設的邊距算法對所述外接檢測框進行膨脹處理，得到所述第二檢測框。

18、在其中一個實施例中，所述基于具有組合關系的所述獨立目標的所述第一檢測結果生成對所述組合目標的第二檢測結果還包括：

19、獲取具有組合關系的所述獨立目標的第一分類結果；

20、根據(jù)所述第一分類結果確定所述組合目標的第二分類結果。

21、第二方面，本技術還提供了一種組合目標檢測裝置。所述裝置包括：

22、獨立目標模塊，用于分別獲取待處理圖像中獨立目標的第一檢測結果；

23、組合篩選模塊，用于獲取任意兩個所述獨立目標之間的關聯(lián)特征，根據(jù)所述關聯(lián)特征確定所述獨立目標之間的組合關系；

24、組合目標模塊，用于基于具有目標組合關系的所述獨立目標的所述第一檢測結果生成對所述組合目標的第二檢測結果，所述組合目標由具有目標組合關系的所述獨立目標組合得到。

25、在其中一個實施例中，所述第一檢測結果包括第一檢測框，所述組合篩選模塊包括：

26、目標配對模塊，用于將所述獨立目標進行隨機配對，分別計算成對的兩個所述獨立目標對應的所述第一檢測框之間的交并參數(shù)；

27、配對篩選模塊，用于篩選出所述交并參數(shù)大于或等于預設的組合閾值的成對的所述獨立目標。

28、在其中一個實施例中，所述配對篩選模塊之后，還包括：

29、坐標映射模塊，用于基于所述第一檢測結果將篩選出的成對的所述獨立目標映射至同一二維坐標系內(nèi)；

30、相對位置篩選模塊，用于獲取所述獨立目標之間的相對位置參數(shù)，根據(jù)所述相對位置參數(shù)確定所述獨立目標之間的組合關系。

31、在其中一個實施例中，所述組合目標模塊包括：

32、坐標映射模塊，用于根據(jù)所述第一檢測結果將具有組合關系的所述獨立目標映射至同一二維坐標系內(nèi)；

33、檢測框確定模塊，用于生成用于定位所述組合目標的第二檢測框，所述第二檢測框內(nèi)包圍有與所述獨立目標對應的第一檢測框。

34、在其中一個實施例中，所述檢測框確定模塊包括：

35、檢測框生成模塊，用于生成將與所述組合目標相關聯(lián)的所述第一檢測框包圍的外接檢測框；

36、檢測框調(diào)節(jié)處理，用于基于預設的邊距算法對所述外接檢測框進行膨脹處理，得到所述第二檢測框。

37、在其中一個實施例中，所述組合目標模塊還包括：

38、第一分類結果模塊，用于獲取具有組合關系的所述獨立目標的第一分類結果；

39、第二分類結果模塊，用于根據(jù)所述第一分類結果確定所述組合目標的第二分類結果。

40、第三方面，本技術還提供了一種計算機設備。所述計算機設備包括存儲器和處理器，所述存儲器存儲有計算機程序，所述處理器執(zhí)行所述計算機程序時實現(xiàn)如第一方面中任意一項實施例所述的一種組合目標檢測方法中的步驟。

41、第四方面，本技術還提供了一種計算機可讀存儲介質。所述計算機可讀存儲介質，其上存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)如第一方面中任意一項實施例所述的一種組合目標檢測方法中的步驟。

42、第五方面，本技術還提供了一種計算機程序產(chǎn)品。所述計算機程序產(chǎn)品，包括計算機程序，該計算機程序被處理器執(zhí)行時實現(xiàn)如第一方面中任意一項實施例所述的一種組合目標檢測方法中的步驟。

43、上述一種組合目標檢測方法、裝置、計算機設備、存儲介質和計算機程序產(chǎn)品，通過獨權中的技術特征進行推導，能夠達到對應背景技術中的技術問題的如下有益效果：

44、在對待處理圖像進行目標檢測分析時，先根據(jù)現(xiàn)有的識別算法獲取待處理圖像中的獨立目標的第一檢測結果，隨后可以根據(jù)第一檢測結果計算出任意兩個獨立目標之間的關聯(lián)特征，并通過對量化的關聯(lián)特征的篩選確定獨立目標之間的組合關系，最后將具有組合關系的獨立目標組合起來進行計算，通過第一檢測結果生成合并后的組合目標的第二檢測結果，從而在對獨立目標檢測的算法基礎上，實現(xiàn)對組合目標的檢測。在實施中，無需預先構建組合目標的復雜特征，以及訓練對應的識別模型，只需要實現(xiàn)對組合目標中的多個獨立目標分別檢測，并將檢測結果進行篩選組合，并對通過篩選的組合目標的檢測結果進行計算，在計算中能夠利用對獨立目標的第一檢測結果進行分析，一方面有助于提高組合目標檢測的前期構建成本，另一方面有助于提高對組合目標檢測的效率和準確度。