一种低分辨率画质下的小目标侦测方法、装置及电子设备与流程

本发明涉及目标检测、图像分类，尤其涉及一种低分辨率画质下的小目标侦测方法、装置及电子设备。

背景技术：

1、当今社会，监控设备更新换代的速度十分迅速，监控设备的清晰度也越来越高，从而监控设备的价格也愈发昂贵。结合采购预算经费和实际应用场景的需求，在一些实际应用场景，并不需要清晰度特别高的监控设备，亦或是没有足够的采购预算经费更换清晰度特别高的监控设备，所以仍然采用分辨率低的老旧监控设备。

2、在使用老旧监控设备的实际应用场景中，针对巡检业务的需求，结合现有的其余软硬件设备，没有办法采用常规的视觉辅助巡检类算法。常规的视觉辅助巡检类算法需要对低分辨率的画面进行超分辨重建，运算耗时较高，对其余软硬件设备的要求也较高。

3、因此，提出一种低分辨率画质下的小目标侦测方法、装置及电子设备。

技术实现思路

1、本说明书提供一种低分辨率画质下的小目标侦测方法、装置及电子设备，在无需升级、更换现有监控设备的情况，实现低分辨率画质条件下的局部目标侦测，结合配套的业务规则，达到智能辅助巡检的目的，在提高巡检效率、覆盖面，降低人工巡检压力的同时降低智能化改造成本。

2、本说明书提供一种低分辨率画质下的小目标侦测方法，包括：

3、获取低分辨率有效监控画面数据、用户检测意图；

4、结合所述用户检测意图对所述低分辨率有效监控画面数据进行目标检测，得到整体目标；

5、结合所述用户检测意图对所述整体目标进行图像分类，确定所述整体目标的类型；判断所述整体目标是否满足所述整体目标的类型对应的标准状态；

6、和/或，

7、基于所述用户检测意图确定第一局部目标与第二局部目标相对固定的位置关系；根据所述第一局部目标与所述第二局部目标相对固定的位置关系对所述整体目标进行目标检测，判断所述整体目标中是否存在所述第二局部目标。

8、可选的，所述获取低分辨率有效监控画面，包括：

9、获取低分辨率监控画面；

10、对所述低分辨率监控画面进行筛选，得到低分辨率有效监控画面。

11、可选的，所述对所述低分辨率监控画面进行筛选，得到低分辨率有效监控画面，包括：

12、判断所述低分辨率监控画面的文件属性是否满足目标属性；

13、当所述低分辨率监控画面的文件属性满足所述目标属性时，将满足所述目标属性所述低分辨率监控画面作为低分辨率有效监控画面；

14、当所述低分辨率监控画面的文件属性不满足所述目标属性时，剔除不满足所述目标属性的所述低分辨率监控画面。

15、可选的，所述结合所述用户检测意图对所述低分辨率有效监控画面进行目标检测，包括：将所述低分辨率有效监控画面输入至轻量级目标检测模型，所述轻量级目标检测模型包括yolo v5 n模型、yolo v5 s模型、nanodet模型、picodet模型、yolo-fastest模型。

16、可选的，所述结合所述用户检测意图对所述整体目标进行图像分类，包括：将所述整体目标输入至轻量级分类模型，所述轻量级分类模型包括mobilenet v1/v2/v3模型、shufflenet v1/v2模型、ghostnet模型。

17、可选的，还包括：

18、当所述整体目标不满足所述整体目标的类型对应的标准状态时，和/或，当所述整体目标中存在所述第二局部目标时，发送预警和/或实时报警。

19、本说明书提供一种低分辨率画质下的小目标侦测装置，包括：

20、获取模块，用于获取低分辨率有效监控画面、用户检测意图；

21、第一检测模块，用于结合所述用户检测意图对所述低分辨率有效监控画面进行目标检测，得到整体目标；

22、判断模块，用于结合所述用户检测意图对所述整体目标进行图像分类，确定所述整体目标的类型；判断所述整体目标是否满足所述整体目标的类型对应的标准状态；

23、和/或，

24、第二检测模块，用于基于所述用户检测意图确定第一局部目标与第二局部目标相对固定的位置关系；根据所述第一局部目标与所述第二局部目标相对固定的位置关系对所述整体目标进行目标检测，判断所述整体中是否存在所述第二局部目标。

25、可选的，所述获取模块，包括：

26、获取低分辨率监控画面；

27、对所述低分辨率监控画面进行筛选，得到低分辨率有效监控画面。

28、可选的，所述对所述低分辨率监控画面进行筛选，得到低分辨率有效监控画面，包括：

29、判断所述低分辨率监控画面的文件属性是否满足目标属性；

30、当所述低分辨率监控画面的文件属性满足所述目标属性时，将满足所述目标属性所述低分辨率监控画面作为低分辨率有效监控画面；

31、当所述低分辨率监控画面的文件属性不满足所述目标属性时，剔除不满足所述目标属性的所述低分辨率监控画面。

32、可选的，所述结合所述用户检测意图对所述低分辨率有效监控画面进行目标检测，包括：将所述低分辨率有效监控画面输入至轻量级目标检测模型，所述轻量级目标检测模型包括yolo v5 n模型、yolo v5 s模型、nanodet模型、picodet模型、yolo-fastest模型。

33、可选的，所述结合所述用户检测意图对所述整体目标进行图像分类，包括：将所述整体目标输入至轻量级分类模型，所述轻量级分类模型包括mobilenet v1/v2/v3模型、shufflenet v1/v2模型、ghostnet模型。

34、可选的，还包括：

35、当所述整体目标不满足所述整体目标的类型对应的标准状态时，和/或，当所述整体目标中存在所述第二局部目标时，发送预警和/或实时报警。

36、本说明书还提供一种电子设备，其中，该电子设备包括：

37、处理器；以及，

38、存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行上述任一项方法。

39、本说明书还提供一种计算机可读存储介质，其中，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被处理器执行时，实现上述任一项方法。

40、在本说明书中，通过对监控视频流实时监测，可以在无需升级、更换现有监控设备的情况，实现低分辨率画质条件下的小目标侦测，结合配套的业务规则，达到智能辅助巡检的目的，在提高巡检效率、覆盖面，降低人工巡检压力的同时降低智能化改造成本。

技术特征：

1.一种低分辨率画质条件下的小目标侦测方法，其特征在于，包括：

2.如权利要求1所述的低分辨率画质下的小目标侦测方法，其特征在于，所述获取低分辨率有效监控画面，包括：

3.如权利要求2所述的低分辨率画质下的小目标侦测方法，其特征在于，所述对所述低分辨率监控画面进行筛选，得到低分辨率有效监控画面，包括：

4.如权利要求1所述的低分辨率画质下的小目标侦测方法，其特征在于，所述结合所述用户检测意图对所述低分辨率有效监控画面进行目标检测，包括：将所述低分辨率有效监控画面输入至轻量级目标检测模型，所述轻量级目标检测模型包括yolo v5 n模型、yolov5 s模型、nanodet模型、picodet模型、yolo-fastest模型。

5.如权利要求1所述的低分辨率画质条件下的小目标侦测方法，其特征在于，所述结合所述用户检测意图对所述整体目标进行图像分类，包括：将所述整体目标输入至轻量级分类模型，所述轻量级分类模型包括mobilenet v1/v2/v3模型、shufflenet v1/v2模型、ghostnet模型。

6.如权利要求1所述的低分辨率画质下的小目标侦测方法，其特征在于，还包括：

7.一种低分辨率画质下的小目标侦测装置，其特征在于，包括：

8.如权利要求7所述的低分辨率画质下的小目标侦测装置，其特征在于，所述获取模块，包括：

9.一种电子设备，其中，该电子设备包括：

10.一种计算机可读存储介质，其中，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被处理器执行时，实现权利要求1-6中任一项所述的方法。

技术总结
本发明提供了一种低分辨率画质下的小目标侦测方法、装置及电子设备，涉及目标检测、图像分类技术领域，包括结合用户检测意图对整体目标进行图像分类，确定整体目标的类型；判断整体目标是否满足整体目标的类型对应的标准状态；和/或，基于用户检测意图确定第一局部目标与第二局部目标相对固定的位置关系；根据第一局部目标与第二局部目标相对固定的位置关系对整体目标进行目标检测，判断整体目标中是否存在第二局部目标。本发明在无需升级、更换现有监控设备的情况，实现低分辨率画质条件下的局部目标侦测，结合配套的业务规则，达到智能辅助巡检的目的，在提高巡检效率、覆盖面，降低人工巡检压力的同时降低智能化改造成本。

技术研发人员：李霞,陈怡,杨忠伟,张冲
受保护的技术使用者：上海卓繁信息技术股份有限公司
技术研发日：
技术公布日：2024/1/15