目标检测、行驶控制方法、装置、电子设备及存储介质与流程

计算;推算;计数设备的制造及其应用技术1.本公开涉及自动驾驶技术领域，具体而言，涉及一种目标检测、行驶控制方法、装置、电子设备及存储介质。背景技术：2.在自动驾驶领域中，通常依赖于深度学习对周围环境进行感知，确定周围机动车、行人、非机动车等的位置，以做出行驶的路线规划。为了保证行驶过程中的安全性，通常选取高分辨率的相机进行拍摄，而高分辨率的相机会导致所得到图像数据较大，且相对于相机较远的对象在图像中成像较小，造成处理速度和处理精度无法兼顾的问题。技术实现要素：3.本公开实施例至少提供一种目标检测、行驶控制方法、装置、电子设备及存储介质。4.第一方面，本公开实施例提供了一种目标检测方法，包括：获取待检测图像；在所述待检测图像中确定目标区域，并基于所述目标区域在所述待检测图像中的位置，对所述待检测图像进行剪裁得到第一图像；以及对所述待检测图像进行限缩处理，得到第二图像；对所述第一图像进行第一目标检测，得到第一检测结果、以及对所述第二图像进行第二目标检测，得到第二检测结果；基于所述第一检测结果、以及所述第二检测结果，确定对所述待检测图像的第一目标检测结果。5.这样，可以集中关注于待检测图像中包含目标对象的目标区域，利用与目标区域对应得第一图像对目标对象进行针对性检测，提升对目标对象的检测精度；同时，将待检测图像进行限缩处理得到第二图像，第二图像尺寸较之待检测图像更小，对第一图像和第二图像进行目标检测所需的算力更少；另外，第二图像可以反映出待检测图像完整的对象特征，也能够保证对图像中较大对象的检测精度，因而本公开实施例能够达到处理精度和处理效率兼顾的效果。6.一种可选的实施方式中，所述在所述待检测图像中确定目标区域，包括：确定所述待检测图像中的第一预设区域为所述目标区域。7.这样，由于在通常情况下，自动驾驶车辆需要注意的障碍物和/或标志物通常位于自动驾驶车辆的一定方向范围内，因此通过设置待检测图像的第一预设区域，以确定目标区域的方式，一方面较为简便，另一方面也可以较好的对其中可能会影响自动驾驶车辆行进的障碍物和/或标志物进行检测。8.一种可选的实施方式中，所述在所述待检测图像中确定目标区域，包括：对所述待检测图像进行第三目标检测，确定所述待检测图像中的目标对象在所述待检测图像中的位置；将包含所述目标对象在所述待检测图像中的位置的区域确定为所述目标区域。9.一种可选的实施方式中，所述对所述待检测图像进行第三目标检测，确定所述待检测图像中的目标对象在所述待检测图像中的位置，包括：对所述待检测图像进行第三目标检测，得到所述待检测图像中的备选目标对象在所述待检测图像中的位置；从所述备选目标对象中，确定满足预设的筛选条件的目标对象，并得到所述目标对象在所述待检测图像中的位置。10.这样，通过筛选的方式从待检测图像中确定目标对象，再通过目标对象在待检测图像中的位置确定目标区域的方式，可以较为准确的从待检测图像中较为准确的确定集中关注的、可能会对自动驾驶车辆行驶造成影响的目标对象，并将目标对象所在的目标区域划分出，以进一步的进行目标检测。11.一种可选的实施方式中，采用下述至少一种方式从所述备选目标对象中，确定满足预设的筛选条件的目标对象：确定最小包围框位于所述待检测图像中第二预设区域的备选目标对象为满足预设的筛选条件的目标对象；确定最小包围框的短边小于预设长度的备选目标对象为满足预设的筛选条件的目标对象；确定最小包围框的长宽比大于预设的长宽比阈值的备选目标对象为满足预设的筛选条件的目标对象。12.这样，通过上述筛选条件，可以将在待检测图像中显示较小的对象作为目标对象被筛选出，从而在之后的步骤中集中关注于对该目标对象的检测。13.一种可选的实施方式中，所述对所述待检测图像进行限缩处理，得到第二图像，包括：基于所述第二图像的第二预设尺寸，对所述待检测图像进行限缩处理，得到所述第二图像。14.这样，由于第二图像是通过对待检测图像进行限缩处理得到的，通过等比例缩小尺寸的方式可以保证第二图像中示出的对象并不会造成形态上的扭曲或者改变，因此在后续进行目标检测时的准确性也会较高。15.一种可选的实施方式中，所述待检测图像中包括至少一个待检测对象；所述基于所述第一检测结果、以及所述第二检测结果，确定对所述待检测图像的第一目标检测结果，包括：响应于任一待检测对象与所述第一图像的位置关系指示所述待检测对象全部位于所述第一图像内部，将所述待检测对象确定为目标对象，并基于所述目标对象的第一检测结果，确定所述目标对象的第一目标检测结果。16.一种可选的实施方式中，所述待检测图像中包括至少一个待检测对象；所述基于所述第一检测结果、以及所述第二检测结果，确定对所述待检测图像的第一目标检测结果，包括：响应于任一待检测对象与所述第一图像的位置关系指示所述待检测对象部分位于所述第一图像内部，将所述待检测对象确定为目标对象，并基于所述目标对象的第二检测结果，确定所述目标对象在所述待检测图像中的第一目标检测结果。17.一种可选的实施方式中，所述待检测图像中包括至少一个待检测对象；所述基于所述第一检测结果、以及所述第二检测结果，确定对所述待检测图像的第一目标检测结果，包括：响应于所述待检测对象与所述第一图像的位置关系指示所述待检测对象位于所述第一图像外部，将所述待检测对象作为非目标对象，基于所述非目标对象的第二检测结果，确定所述非目标对象在所述待检测图像中的第一目标检测结果。18.这样，一方面，由于第一图像和第二图像的尺寸较小，因此在对其分别进行目标检测时的效率较高，用时较短，符合自动驾驶领域的时间需求；另一方面，由于需要处理的第一图像和第二图像尺寸较小，因此承担目标检测的模型的体量也较小，更易于部署在自动驾驶车辆上；又一方面，通过第一检测结果、第二检测结果、以及目标对象在第一图像中的位置关系，可以有针对性的为待检测图像中的不同待检测对象确定对应的第一目标检测结果，因此得到的第一目标检测结果的准确性较高。19.第二方面，本公开实施例还提供一种智能行驶装置的行驶控制方法，包括：获取智能行驶装置在行驶过程中采集的视频帧图像；利用基于本公筷实施例提供的目标检测方法处理所述视频帧图像，确定所述视频帧图像的第二目标检测结果；基于所述第二目标检测结果，控制所述智能行驶装置。20.这样，由于本公开实施例提供的目标检测方法能够实现较为准确的对视频帧图像进行对象检测，因此更易于之后的针对视频帧图像中包含对象的测距以及跟踪，另外目标检测方法所需的模型体量也较小，因此本公开实施例提供的行驶控制方法更利于部署在智能行驶装置中，提升自动驾驶控制过程中的安全性，更好的满足自动驾驶领域的需求。21.第三方面，本公开实施例还提供一种目标检测装置，包括：第一获取模块，用于获取待检测图像；第一处理模块，用于在所述待检测图像中确定目标区域，并基于所述目标区域在所述待检测图像中的位置，对所述待检测图像进行剪裁得到第一图像；以及对所述待检测图像进行限缩处理，得到第二图像；检测模块，用于对所述第一图像进行第一目标检测，得到第一检测结果、以及对所述第二图像进行第二目标检测，得到第二检测结果；确定模块，用于基于所述第一检测结果、以及所述第二检测结果，确定对所述待检测图像的第一目标检测结果。22.一种可选的实施方式中，所述第一处理模块在所述待检测图像中确定目标区域时，用于：确定所述待检测图像中的第一预设区域为所述目标区域。23.一种可选的实施方式中，所述第一处理模块在所述待检测图像中确定目标区域时，用于：对所述待检测图像进行第三目标检测，确定所述待检测图像中的目标对象在所述待检测图像中的位置；将包含所述目标对象在所述待检测图像中的位置的区域确定为所述目标区域。24.一种可选的实施方式中，所述第一处理模块在对所述待检测图像进行第三目标检测，确定所述待检测图像中的目标对象在所述待检测图像中的位置时，用于：对所述待检测图像进行第三目标检测，得到所述待检测图像中的备选目标对象在所述待检测图像中的位置；从所述备选目标对象中，确定满足预设的筛选条件的目标对象，并得到所述目标对象在所述待检测图像中的位置。25.一种可选的实施方式中，采用下述至少一种方式从所述备选目标对象中，确定满足预设的筛选条件的目标对象：确定最小包围框位于所述待检测图像中第二预设区域的备选目标对象为满足预设的筛选条件的目标对象；确定最小包围框的短边小于预设长度的备选目标对象为满足预设的筛选条件的目标对象；确定最小包围框的长宽比大于预设的长宽比阈值的备选目标对象为满足预设的筛选条件的目标对象。26.一种可选的实施方式中，所述第一处理模块在对所述待检测图像进行限缩处理，得到第二图像时，用于：基于所述第二图像的第二预设尺寸，对所述待检测图像进行限缩处理，得到所述第二图像。27.一种可选的实施方式中，所述待检测图像中包括至少一个待检测对象；所述确定模块在基于所述第一检测结果、以及所述第二检测结果，确定对所述待检测图像的第一目标检测结果时，用于：响应于任一待检测对象与所述第一图像的位置关系指示所述待检测对象全部位于所述第一图像内部，将所述待检测对象确定为目标对象，并基于所述目标对象的第一检测结果，确定所述目标对象的第一目标检测结果。28.一种可选的实施方式中，所述待检测图像中包括至少一个待检测对象；所述确定模块在基于所述第一检测结果、以及所述第二检测结果，确定对所述待检测图像的第一目标检测结果时，用于：响应于任一待检测对象与所述第一图像的位置关系指示所述待检测对象部分位于所述第一图像内部，将所述待检测对象确定为目标对象，并基于所述目标对象的第二检测结果，确定所述目标对象在所述待检测图像中的第一目标检测结果。29.一种可选的实施方式中，所述待检测图像中包括至少一个待检测对象；所述确定模块在基于所述第一检测结果、以及所述第二检测结果，确定对所述待检测图像的第一目标检测结果时，用于：响应于所述待检测对象与所述第一图像的位置关系指示所述待检测对象位于所述第一图像外部，将所述待检测对象作为非目标对象，基于所述非目标对象的第二检测结果，确定所述非目标对象在所述待检测图像中的第一目标检测结果。30.第四方面，本公开实施例还提供一种智能行驶装置的行驶控制装置，包括：第二获取模块，用于获取智能行驶装置在行驶过程中采集的视频帧图像；第二处理模块，用于利用基于本公开实施例提供的目标检测方法处理所述视频帧图像，确定所述视频帧图像的第二目标检测结果；控制模块，用于基于所述第二目标检测结果，控制所述智能行驶装置。31.第五方面，本公开可选实现方式还提供一种电子设备，处理器、存储器，所述存储器存储有所述处理器可执行的机器可读指令，所述处理器用于执行所述存储器中存储的机器可读指令，所述机器可读指令被所述处理器执行时，所述机器可读指令被所述处理器执行时执行上述第一方面或第二方面中任一种可能的实施方式中的步骤。32.第六方面，本公开可选实现方式还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被运行时执行上述第一方面或第二方面中任一种可能的实施方式中的步骤。33.关于上述目标检测装置、智能行驶装置的行驶控制装置、电子设备、及计算机可读存储介质的效果描述参见上述对应方法的说明，这里不再赘述。34.为使本公开的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。附图说明35.为了更清楚地说明本公开实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，此处的附图被并入说明书中并构成本说明书中的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。应当理解，以下附图仅示出了本公开的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。36.图1示出了本公开实施例所提供的一种目标检测方法的流程图；37.图2示出了本公开实施例所提供的一种待检测图像的示意图；38.图3示出了本公开实施例所提供的一种确定目标区域的示意图；39.图4示出了本公开实施例所提供的一种第一图像以及第二图像的示意图；40.图5示出了本公开实施例所提供的一种智能行驶装置的行驶控制方法的流程图；41.图6示出了本公开实施例所提供的一种目标检测装置的示意图；42.图7示出了本公开实施例所提供的一种智能行驶装置的行驶控制装置的示意图；43.图8示出了本公开实施例所提供的一种电子设备的示意图。具体实施方式44.为使本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例中附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。通常在此处描述和示出的本公开实施例的组件可以以各种不同的配置来布置和设计。因此，以下对本公开的实施例的详细描述并非旨在限制要求保护的本公开的范围，而是仅仅表示本公开的选定实施例。基于本公开的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本公开保护的范围。45.经研究发现，在自动驾驶领域中，为了提升传感器的视野，通常会采用更高分辨率的相机进行图像采集，这就导致得到的图像尺寸较大，并且在图像中反映出的远处的对象变得更小。在当前技术中，为了保证驾驶安全，需要对图像进行高精度的检测，由于自动驾驶车辆上搭载的电子设备的算力有限，对于较大尺寸的图像处理效率较低；但要提升处理效率，由于图像中处于远处的对象占据的像素点的数量也较少，因此采用检测模型也难以对远处对象进行较为准确的检测，这就会导致对图像中较小的目标对象的检测精度下降。进而，当前的图像处理方式存在精度和处理效率无法兼顾的问题。46.基于上述研究，本公开提供了一种对象检测方法，集中关注于待检测图像中包含目标对象的目标区域，利用与目标区域对应得第一图像对目标对象进行针对性检测，提升对目标对象的检测精度；同时，将待检测图像进行限缩处理得到第二图像，第二图像尺寸较之待检测图像更小，对第一图像和第二图像进行目标检测所需的算力更少；另外，第二图像可以反映出待检测图像完整的对象特征，也能够保证对图像中较大对象的检测精度，因而本公开实施例能够达到处理精度和处理效率兼顾的效果。47.针对以上方案所存在的缺陷，均是发明人在经过实践并仔细研究后得出的结果，因此，上述问题的发现过程以及下文中本公开针对上述问题所提出的解决方案，都应该是发明人在本公开过程中对本公开做出的贡献。48.应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。49.为便于对本实施例进行理解，首先对本公开实施例所公开的一种目标检测方法进行详细介绍，本公开实施例所提供的目标检测方法的执行主体一般为具有一定计算能力的电子设备，该电子设备例如包括：终端设备或服务器或其它处理设备，终端设备可以为用户设备(user equipment，ue)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字助理(personal digital assistant，pda)、手持设备、计算设备、车载设备、可穿戴设备等。在一些可能的实现方式中，该目标检测方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。50.下面对本公开实施例提供的目标检测方法加以说明。51.参见图1所示，为本公开实施例提供的一种目标检测方法的流程图，所述方法包括步骤s101～s104，其中：52.s101：获取待检测图像；53.s102：在所述待检测图像中确定目标区域，并基于所述目标区域在所述待检测图像中的位置，对所述待检测图像进行剪裁得到第一图像；以及对所述待检测图像进行限缩处理，得到第二图像；54.s103：对所述第一图像进行第一目标检测，得到第一检测结果、以及对所述第二图像进行第二目标检测，得到第二检测结果；55.s104：基于所述第一检测结果、以及所述第二检测结果，确定对所述待检测图像的第一目标检测结果。56.本公开实施例通过对待检测图像进行剪裁确定目标区域所在的第一图像进行第一目标检测得到第一检测结果，以及对待检测图像进行限缩处理确定第二图像进行第二目标检测得到第二检测结果，以根据第一检测结果和第二检测结果确定对待检测图像的第一目标检测结果。这样，可以集中关注于待检测图像中包含目标对象的目标区域，利用与目标区域对应得第一图像对目标对象进行针对性检测，提升对目标对象的检测精度；同时，将待检测图像进行限缩处理得到第二图像，第二图像尺寸较之待检测图像更小，对第一图像和第二图像进行目标检测所需的算力更少；另外，第二图像可以反映出待检测图像完整的对象特征，也能够保证对图像中较大对象的检测精度，因而本公开实施例能够达到处理精度和处理效率兼顾的效果。57.下面对上述s101～s104加以详细说明。58.针对上述s101，在获取待检测图像时，在不同的应用场景下获取待检测图像的方式也有所区别。在一种可能的情况下，可以通过在自动驾驶车辆上搭载的图像采集设备对行驶道路进行拍摄，并将拍摄得到的视频帧图像作为待检测图像；在另一种可能的情况下，也可以直接获取已确定的图像作为待检测图像，例如在自动驾驶车辆的测试实验环境下，将行驶实验中的自动驾驶车辆在行驶时回传的实时图像，作为待检测图像。59.其中，在待检测图像中，例如可以包括可能对自动驾驶车辆的行驶产生影响的障碍物，例如限行路桩、行人、以及其他车辆等；或者，也可以包括不会对自动驾驶车辆的行驶产生影响的标志物，例如交通标志灯、车道线等。在一种可能的情况下，待检测图像中包括上述至少一种障碍物和/或标志物，例如自动驾驶车辆在实际的道路中行驶的场景下行驶的过程中采集得到的待检测图像；在另一种可能的情况下，待检测图像中也可能并不包含有可以检测到的对象，例如自动驾驶车辆在较为开阔且无障碍物的测试场景下行驶的过程中采集得到的待检测图像。60.此处，由于在自动驾驶领域中通常采用更高分辨率的图像采集设备，例如800万(8m)像素的相机，以得到拍摄范围更广、更清晰的图像。利用这样的图像采集设备拍摄得到的待检测图像通常对应的尺寸较大。示例性的，参见图2所示，为本公开实施例提供的一种待检测图像的示意图；其中，待检测图像的尺寸(以像素为单位)为2048×1024。在待检测图像中示出了距离拍摄待检测图像的自动驾驶汽车近处的树以及③号车，以及远处的①号车以及②号车。61.这样，对于自动驾驶车辆上搭载的电子设备，由于其算力有限，因此并不足以支持对较大尺寸的待检测图像的快速处理，也即直接对待检测图像进行处理并不能满足自动驾驶场景下的实际要求。此时，可以通过下述s102示出的方式对待检测图像进行进一步处理，以在自动驾驶场景的实际要求下完成对待检测图像中对象的检测。62.针对上述s102，在获取得到待检测图像的情况下，还可以通过对待检测图像的剪裁处理，确定待检测图像对应的第一图像；以及对待检测图像进行限缩处理，确定待检测图像对应的第二图像。63.下面，分别对上述剪裁处理以及限缩处理进行详细说明，具体包括下述(a)以及(b)：64.(a)：对待检测图像进行剪裁(crop)处理。65.在具体实施中，在对待检图像进行剪裁得到第一图像时，例如可以采用下述方式：在所述待检测图像中确定目标区域，并基于所述目标区域在所述待检测图像中的位置，对所述待检测图像进行剪裁得到第一图像。66.此处，由于待检测图像中显示出的远处的目标较小，采用剪裁处理的方式，可以直接将远处的小目标较大程度的从待检测图像中框选截出，这样得到的第一图像更集中的关注于这些位于远处的小目标，因此在之后的步骤中对第一图像目标检测时，由于针对性更强，因此相较于直接对待检测图像进行检测的方式而言，更不易受到图像中对应的周围环境的影响，准确性较高；并且由于第一图像是由待检测图像剪裁得到的，因此尺寸相较于待检测图像而言更小，自动驾驶车辆的算力则可以支持相应的目标检测。67.此处说明的在待检测图像中显示出的位于较远处，并且在待检测图像中以较小尺寸展示出的对象，即为本公开实施例中说明的目标对象，例如包括较远处的车辆。而对于位于较近处，并且在待检测图像中以较大尺寸展示出的对象，即为本公开实施例中说明的非目标对象，例如包括较近处的树木。另外，对于的在待检测图像中包括的目标对象和非目标对象，均可以作为在待检测图像中包括的待检测对象，具体可以参见下文中的说明，在此不再重复赘述。68.其中，具体在从待检测图像中确定目标区域时，例如可以采用但不限于下述(a1)或(a2)两种不同的方式：69.(a1)：确定所述待检测图像中的第一预设区域为所述目标区域。70.示例性的，待检测图像例如可以示出自动驾驶车辆在拍摄该帧图像时行驶中正向拍摄到的场景，此处待检测图像例如可以是包括是由搭载在自动驾驶车辆上、且拍摄方向与自动驾驶车辆的行驶方向一致的图像采集设备采集得到的。在该种情况下，对于自动驾驶车辆而言，更关注于该张待检测图像中居中位置的目标，也即行驶正前方位置的目标，因此在确定目标区域的位置时，可以待检测图像中的中心点位置确定，例如将目标区域的中心点位置确定为待检测图像的中心点位置。这样，目标区域可以更明确的集中在自动驾驶车辆在行驶方向上可能遇到的障碍，以保证自动驾驶车辆在行驶时的安全性。71.另外，对于搭载在自动驾驶车辆上其他位置的图像采集设备，由于安装位置的不同，其拍摄得到的图像在作为待检测图像时，对应的关注对象也有所不同。例如对于搭载在自动驾驶车辆左侧位置，以对汇入自动驾驶车辆左侧的车辆进行图像采集的图像采集设备而言，通过图像采集得到的待检测图像中变道车辆通常位于待检测图像的左侧，因此在为该图像采集设备采集得到的待检测图像确定目标区域时，目标区域的中心点位置例如可以相较于待检测图像中的中心点位置偏左，以通过这样的调节使目标区域中有更大的概率框选出关注的对象。72.此处，上述仅列举部分从待检测图像中确定第一预设区域，以确定目标区域的示例，具体可以根据实际情况确定，在此并不做出限定。73.(a2)：对所述待检测图像进行第三目标检测，确定所述待检测图像中的目标对象在所述待检测图像中的位置；将包含所述目标对象在所述待检测图像中的位置的区域确定为所述目标区域。74.其中，在确定目标对象在待检测图像中的位置时，例如可以采用下述方式：对所述待检测图像进行第三目标检测，得到所述待检测图像中的备选目标对象在所述待检测图像中的位置；从所述备选目标对象中，确定满足预设的筛选条件的目标对象，并得到所述目标对象在所述待检测图像中的位置。75.其中，在对待检测图像进行第三目标检测时，可以采用的模型例如可以包括多尺度滑动窗口算法(overfeat)、卷积神经网络(convolutional neural networks，cnn)、基于卷积神经网络特征的区域方法(regions with cnn features，r-cnn)、快速卷积神经网络(fast r-cnn)中至少一种。76.在对待检测图像进行第三目标检测后，在一种可能的情况下，例如可以在待检测图像中确定多个备选目标对象，多个备选目标对象例如可以包括上述说明的障碍物和/或标志物。77.在另一种可能的情况下，在对待检测图像进行第三目标检测后，可能并不能检测到任一对象。在该种情况下，自动驾驶车辆例如可能处于前方并无可能阻挡车辆行驶的障碍物以及有提示作用等的标志物的状态，或者可能处于与最近的障碍物较远的位置，在上述列举出的两种情况下，均有可能出现对待检测图像进行第三目标检测后无法检测出任一对象的情况。但在该种情况下，并不会对自动驾驶车辆的安全行驶造成干扰，因此例如可以选择不对该帧待检测图像继续进行检测处理，并等待对下一帧待检测图像进行第三目标检测处理。78.针对上述说明的在待检测图像中确定了多个备选目标对象的情况，由于并非所有的备选目标对象均为自动驾驶车辆需要关心的对象，因此还可以对基于预设的筛选条件对备选目标对象进行筛选，以确定满足预设的筛选条件的目标对象。79.其中，预设筛选条件，包括下述至少一种：80.①所述备选目标对象的最小包围框位于待检测图像中的第二预设区域；81.②所述备选目标对象的最小包围框对应的短边小于预设长度；82.③所述备选目标对象的所述最小包围框的长宽比大于预设的长宽比阈值。83.下面以多个备选目标对象中的任一个备选目标对象为例进行说明。84.针对上述预设筛选条件①，在从待检测图像中确定备选目标对象的情况下，可以确定备选目标对象在待检测图像中所处的位置。在一种可能的情况下，在待检测图像中的备选目标对象若处于在待检测图像中靠近边缘的位置处，对应的在自动驾驶车辆的行驶过程中，备选目标对象并不在自动驾驶车辆的行进路线上，因此在自动驾驶车辆的行驶过程中，可以认为备选目标对象并不会对自动驾驶车辆的行进造成阻碍，因此可以不将这些位于待检测图像的边缘位置处的备选目标对象作为目标对象。在具体实施中，例如可以预先确定在待检测图像中的第二预设区域，例如将位于待检测图像中间50％的区域作为第二预设区域，并将对应的最小包围框在该第二预设区域中的备选目标对象，作为满足预设的筛选条件的目标对象。85.针对上述预设筛选条件②，在从待检测图像中确定备选目标对象的情况下，可以相应的在待检测图像中确定该备选目标对象对应的最小包围框，该最小包围框例如可以最大限度的仅框选出备选目标对象在待检测图像中所处的区域。在确定最小包围框的情况下，可以相应的确定最小包围框对应的长边以及短边，并相应的确定短边的长度。为了使第一图像更有助于对较小的对象的检测，可以从多个备选目标对象中确定最小包围框对应的短边小于16像素的备选目标对象，作为满足预设的筛选条件的目标对象。86.针对上述预设筛选条件③，与上述预设筛选条件②相似的，可以为备选目标对象确定最小包围框，并相应的确定最小包围框的长边和短边分别对应的长度，然后通过最小包围框的长边和短边分别对应的长度确定最小包围框的长宽比。由于在自动驾驶车辆的实际驾驶场景中，实际会对自动驾驶车辆的驾驶产生影响的对象，其在待检测图像中显示时对应的最小包围框通常长宽比大于预设的长宽比阈值。而对于最小包围框长宽比小于或者等于预设的长宽比阈值的备选目标对象，在通常情况下为在对待检测图像进行第三目标检测时误报的结果，例如将某一产品标识作为备选目标对象检测出。因此在确定目标对象时，例如可以将备选目标对象中对应最小包围框的长宽比大于预设的长宽比阈值的备选目标对象，作为满足预设的筛选条件的目标对象筛选出。其中，预设的长宽比阈值例如可以设置为2或2.5，具体可以根据实际情况确定，在此不做出限定。87.此处，确定的目标对象例如可以包括0个，也即没有可以被筛选出的目标对象，例如在无障碍行驶的场景下；或者，确定的目标对象例如包括至少1个。示例性的，对于图2示出的待检测图像，确定的目标对象例如包括其中的①号车以及②号车。88.相应的，在确定待检测图像中的目标对象后，还可以相应的确定目标对象在待检测图像中的位置，并利用目标对象在待检测图像中的位置，在待检测图像中确定目标区域。下面，以确定的目标对象包括至少1个为例进行说明。89.在具体实施中，例如可以采用下述方式确定目标区域：基于所述目标对象在所述待检测图像中的位置、以及所述目标区域的第一预设尺寸，从所述待检测图像中确定所述目标区域。具体地，可以通过目标对象在待检测图像中的位置，确定目标区域的中心点；基于所述第一预设尺寸、以及确定的所述目标区域的中心点，从所述待检测图像中确定所述目标区域。90.示例性的，目标区域的第一预设尺寸例如为320×640。91.在一种可能的情况下，若确定的目标对象仅包括1个，则可以相应的将该目标对象在待检测图像中对应的位置，作为目标区域的中心点在待检测图像中所在的位置，并相应的根据目标区域的第一预设尺寸，在待检测图像中确定目标区域。92.在另一种可能的情况下，若确定的目标对象包括至少两个，为了尽可能在目标区域中框选出较多的目标对象，以在之后对目标区域对应的第一图像进行目标检测时可以尽可能快速地确定多个目标对象的检测结果，可以通过确定多个目标对象分别在待检测图像中对应的位置，再根据确定的多个目标对象分别在待检测图像中对应的位置，通过求取中心点的方式，将多个位置的中心点作为目标区域的中心点，并相应的根据目标区域的第一预设尺寸，在待检测图像中确定目标区域。93.在该种情况下，示例性的，参见图3所示，为本公开实施例提供的一种确定目标区域的示意图。其中，目标对象包括①号车和②号车，利用在待检测图像中示出的两个目标对象分别对应的车厢中心点，表示两个目标对象在待检测图像中分别对应的位置(在图3中以灰色点示出)。通过对两个目标对象在待检测图像中分别对应的位置求取中心点，即可以将得到的中心点，作为目标区域的中心点(在图3中以黑色点示出)。通过目标区域的第一预设尺寸，例如640×320，可以在待检测图像中确定目标区域所处的位置，例如在图3中示出的虚线框。94.这样，即可以确定目标区域在待检测图像中的位置。通过确定的目标区域在待检测图像中的位置，可以相应的对待检测图像进行剪裁，以得到第一图像。95.(b)：对待检测图像进行限缩(resize)处理。96.此处，在对待检测图像进行限缩处理时，例如可以采用下述方式：将所述待检测图像进行限缩至第二预设尺寸，得到所述第二图像。97.具体地，在将待检测图像进行限缩处理时，将待检测图像等比例的缩小至第二预设尺寸。示例性的，在待检测图像的尺寸为2048×1024的情况下，第二预设尺寸例如可以设置为640×320。由于将待检测图像等比例的进行限缩处理得到第二图像，因此第二图像并不会出现拉伸或者收缩等操作下出现的变形，也即并不会因为尺寸变小而改变其中示出的目标对象的基本形态。因此，在对第二图像进行目标检测时，并不会影响对目标对象的准确检测。98.这样，即可以得到待检测图像对应的第一图像以及第二图像。99.示例性的，参见图4所示，为本公开实施例提供的一种第一图像以及第二图像的示意图；其中，在示意图上标注了第一图像(a)和第二图像(b)分别对应的尺寸。100.针对上述s103，在确定第一图像和第二图像的情况下，还可以分别对所述第一图像进行第一目标检测，得到第一检测结果、以及对所述第二图像进行第二目标检测，得到第二检测结果。101.其中，在进行第一目标检测和第二目标检测时，例如可以采用与上述第三目标检测时相同类型的模型。此处，由于进行第一目标检测的第一图像以及进行第二目标检测的第二图像的尺寸相较于进行第三目标检测的待检测图像而言尺寸较小，因此承担第一目标检测以及第二目标检测的模型例如可以相较于承担第三目标检测的模型体量较小。另外，第一图像和第二图像的尺寸可能相差较小，或者尺寸相同，因此在训练得到较小体量的模型后，可以实际部署两个用于第一目标检测以及第二目标检测的模型。这样，在实际部署模型时操作也较为简便，并且在算力支持的情况下，第一目标检测以及第二目标检测可以同步执行，以提升目标检测的效率。102.或者，在另一种可能的情况下，也可以根据实际情况单独为第一目标检测以及第二目标检测训练不同的模型，具体可以根据实际情况确定，在此仅列举出可能的示例。103.在具体实施中，在对第一图像进行第一目标检测后，可以相应的得到第一检测结果；在对第二图像进行第二目标检测后，可以相应的得到第二检测结果。示例性的，针对第一检测结果，由于在第一图像中，②号车仅能显示出部分车厢箱体，因此第一检测结果包括在①号车位置处的一辆车，还可能包括对②号车位置处的错误检测结果，例如将其检测为指示牌。针对第二检测结果，其例如可以包括树以及三个位置的不同车。104.针对上述s104，在确定第一检测结果以及第二检测结果的情况下，可以相应的根据第一检测结果以及第二检测结果，确定对待检测图像的第一目标检测结果。其中，待检测图像的第一目标检测结果，例如包括对待检测图像中包括的至少一个待检测对象的第一目标检测结果。待检测对象包括上文中说明的目标对象和非目标对象。105.在一种可能的情况下，根据上述对第一图像的说明，全部位于第一图像内部的待检测对象为目标对象。并且，根据第一图像确定的第一检测结果，较之第二图像对应的第二检测结果而言，由于第一图像中完全包含了目标对象，因此可以用于更准确地获得目标对象的第一目标检测结果。106.因此，在该种情况下可以响应于任一待检测对象与所述第一图像的位置关系指示所述待检测对象全部位于所述第一图像内部，将所述待检测对象确定为目标对象，并基于所述目标对象的第一检测结果，确定所述目标对象的第一目标检测结果。107.示例性的，针对图4中第一图像(a)和第二图像(b)，可以看出①号车全部位于第一图像的内部，因此在第一图像中①号车位置处的检测结果即可以较为准确；并且，由于在第一图像中可以较为集中的关注于该①号车的整体，而较少的受到其周围环境的影响，因此对于全部位于第一图像内部的目标对象而言，可以将在第一检测结果中对应的检测结果，作为其对应的第一目标检测结果。108.在另一种可能的情况下，对于待检测对象部分位于第一图像内部的情况，也可以将待检测对象确定为目标对象。但由于第一图像中并不能包含目标对象的整体，因此采用第二图像对应的第二检测结果，相较于第一图像对应的第一检测结果而言，可以用于更准确地获得目标对象的第一目标检测结果。109.因此，在该种情况下可以响应于任一待检测对象与所述第一图像的位置关系指示所述待检测对象部分位于所述第一图像内部，将所述待检测对象确定为目标对象，并基于所述目标对象的第二检测结果，确定所述目标对象在所述待检测图像中的第一目标检测结果。110.示例性的，对于图4中示出的②号车，在第一图像中仅有车厢的部分厢体部分可以示出，也即目标对象部分位于第一图像内部，因此对第一图像进行第一目标检测后得到第一检测结果可能会出现上述示例中对应错误检测结果的情况。此处，对于②号车而言，其在第二图像中对应有较为完整的图像，也即在第二图像中可以较为准确的将其检测出，因此可以将第二检测结果中对应的检测结果，作为其对应的第一目标检测结果。111.在又一种可能的情况下，对于待检测对象部分位于第一图像外部的情况，待检测对象也即上述说明的非目标对象。由于第一图像中并不包含有非目标对象，因此并不能够从第一图像对应的第一检测结果中确定非目标对象的第一目标检测结果。而在第二图像中，则可以完整地展示出非目标对象，因此可以根据第二图像的第二检测结果确定非目标对象的第一目标检测结果。112.因此，在该种情况下，可以响应于所述待检测对象与所述第一图像的位置关系指示所述待检测对象位于所述第一图像外部，将所述待检测对象作为非目标对象，基于所述非目标对象的第二检测结果，确定所述非目标对象在所述待检测图像中的第一目标检测结果。113.示例性的，对于在图4中(b)示出的第二图像中的树以及③号车，由于在第二图像中尺寸较大，因此利用第二检测结果即可以较为准确地确定出各自对应的第一目标检测结果。114.这样，通过第一检测结果以及第二检测结果，即可以确定对待检测图像中各个待检测对象的检测结果。由于具体在检测时采用的第一图像和第二图像的尺寸均较小，因此所需处理的数据量较小，目标检测的效率更高；并且，由于所需的模型体量较小，因此更易于部署在自动驾驶车辆上。另外，也可以通过上述方式保证第一目标检测结果的准确性，从而辅助自动驾驶车辆的路径规划以及安全行驶。115.基于同一发明构思，本公开实施例还提供了一种智能行驶装置的行驶控制方法。参见图5所示，为本公开实施例提供的一种智能行驶装置的行驶控制方法的流程图；其中，116.s501：获取智能行驶装置在行驶过程中采集的视频帧图像；117.s502：利用基于本公开实施例提供的目标检测方法处理所述视频帧图像，确定所述视频帧图像的第二目标检测结果；118.s503：基于所述第二目标检测结果，控制所述智能行驶装置。119.在具体实施中，智能行驶装置例如但不限于下述任一种：自动驾驶车辆、装有高级驾驶辅助系统(advanced driving assistance system，adas)的车辆、或者机器人等。120.控制智能行驶装置，例如包括控制智能行驶装置加速、减速、转向、制动等，或者可以播放语音提示信息，以提示驾驶员控制智能行驶装置加速、减速、转向、制动等。121.为便于区分，在本公开实施例中，将利用目标检测方法处理视频帧图像后得到的目标检测结果，表示为第二目标检测结果。122.此处，由于本公开实施例提供的目标检测方法能够实现较为准确的对视频帧图像进行对象检测，因此更易于之后的针对视频帧图像中包含对象的测距以及跟踪，另外目标检测方法所需的模型体量也较小，因此本公开实施例提供的行驶控制方法更利于部署在智能行驶装置中，提升自动驾驶控制过程中的安全性，更好的满足自动驾驶领域的需求。123.本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。124.基于同一发明构思，本公开实施例中还提供了与目标检测方法对应的目标检测装置，由于本公开实施例中的装置解决问题的原理与本公开实施例上述目标检测方法相似，因此装置的实施可以参见对应方法的实施，重复之处不再赘述。125.参照图6所示，为本公开实施例提供的一种目标检测装置的示意图，所述装置包括：第一获取模块61、第一处理模块62、检测模块63、以及确定模块64；其中，126.第一获取模块61，用于获取待检测图像；127.第一处理模块62，用于在所述待检测图像中确定目标区域，并基于所述目标区域在所述待检测图像中的位置，对所述待检测图像进行剪裁得到第一图像；以及对所述待检测图像进行限缩处理，得到第二图像；128.检测模块63，用于对所述第一图像进行第一目标检测，得到第一检测结果、以及对所述第二图像进行第二目标检测，得到第二检测结果；129.确定模块64，用于基于所述第一检测结果、以及所述第二检测结果，确定对所述待检测图像的第一目标检测结果。130.一种可选的实施方式中，所述第一处理模块62在所述待检测图像中确定目标区域时，用于：确定所述待检测图像中的第一预设区域为所述目标区域。131.一种可选的实施方式中，所述第一处理模块62在所述待检测图像中确定目标区域时，用于：对所述待检测图像进行第三目标检测，确定所述待检测图像中的目标对象在所述待检测图像中的位置；将包含所述目标对象在所述待检测图像中的位置的区域确定为所述目标区域。132.一种可选的实施方式中，所述第一处理模块62在对所述待检测图像进行第三目标检测，确定所述待检测图像中的目标对象在所述待检测图像中的位置时，用于：对所述待检测图像进行第三目标检测，得到所述待检测图像中的备选目标对象在所述待检测图像中的位置；从所述备选目标对象中，确定满足预设的筛选条件的目标对象，并得到所述目标对象在所述待检测图像中的位置。133.一种可选的实施方式中，采用下述至少一种方式从所述备选目标对象中，确定满足预设的筛选条件的目标对象：确定最小包围框位于所述待检测图像中第二预设区域的备选目标对象为满足预设的筛选条件的目标对象；确定最小包围框的短边小于预设长度的备选目标对象为满足预设的筛选条件的目标对象；确定最小包围框的长宽比大于预设的长宽比阈值的备选目标对象为满足预设的筛选条件的目标对象。134.一种可选的实施方式中，所述第一处理模块62在对所述待检测图像进行限缩处理，得到第二图像时，用于：基于所述第二图像的第二预设尺寸，对所述待检测图像进行限缩处理，得到所述第二图像。135.一种可选的实施方式中，所述待检测图像中包括至少一个待检测对象；所述确定模块64在基于所述第一检测结果、以及所述第二检测结果，确定对所述待检测图像的第一目标检测结果时，用于：响应于任一待检测对象与所述第一图像的位置关系指示所述待检测对象全部位于所述第一图像内部，将所述待检测对象确定为目标对象，并基于所述目标对象的第一检测结果，确定所述目标对象的第一目标检测结果。136.一种可选的实施方式中，所述待检测图像中包括至少一个待检测对象；所述确定模块64在基于所述第一检测结果、以及所述第二检测结果，确定对所述待检测图像的第一目标检测结果时，用于：响应于任一待检测对象与所述第一图像的位置关系指示所述待检测对象部分位于所述第一图像内部，将所述待检测对象确定为目标对象，并基于所述目标对象的第二检测结果，确定所述目标对象在所述待检测图像中的第一目标检测结果。137.一种可选的实施方式中，所述待检测图像中包括至少一个待检测对象；所述确定模块64在基于所述第一检测结果、以及所述第二检测结果，确定对所述待检测图像的第一目标检测结果时，用于：响应于所述待检测对象与所述第一图像的位置关系指示所述待检测对象位于所述第一图像外部，将所述待检测对象作为非目标对象，基于所述非目标对象的第二检测结果，确定所述非目标对象在所述待检测图像中的第一目标检测结果。138.基于同一发明构思，本公开实施例中还提供了与智能行驶装置的行驶控制方法对应的智能行驶装置的行驶控制装置，由于本公开实施例中的装置解决问题的原理与本公开实施例上述行驶控制方法相似，因此装置的实施可以参见方法的实施，重复之处不再赘述。139.参照图7所示，为本公开实施例提供的一种智能行驶装置的行驶控制的示意图，所述装置包括：第二获取模块71、第二处理模块72、以及控制模块73；其中，140.第二获取模块71，用于获取智能行驶装置在行驶过程中采集的视频帧图像；141.第二处理模块72，用于利用基于本公开实施例提供的目标检测方法处理所述视频帧图像，确定所述视频帧图像的第二目标检测结果；142.控制模块73，用于基于所述第二目标检测结果，控制所述智能行驶装置。143.关于装置中的各模块的处理流程、以及各模块之间的交互流程的描述可以参照上述对应方法实施例中的相关说明，这里不再详述。144.本公开实施例还提供了一种电子设备，如图8所示，为本公开实施例提供的电子设备结构示意图，包括：145.处理器10和存储器20；所述存储器20存储有处理器10可执行的机器可读指令，处理器10用于执行存储器20中存储的机器可读指令，所述机器可读指令被处理器10执行时，处理器10执行下述步骤：146.获取待检测图像；在所述待检测图像中确定目标区域，并基于所述目标区域在所述待检测图像中的位置，对所述待检测图像进行剪裁得到第一图像；以及对所述待检测图像进行限缩处理，得到第二图像；对所述第一图像进行第一目标检测，得到第一检测结果、以及对所述第二图像进行第二目标检测，得到第二检测结果；基于所述第一检测结果、以及所述第二检测结果，确定对所述待检测图像的第一目标检测结果。147.或者，处理器10执行下述步骤：148.获取智能行驶装置在行驶过程中采集的视频帧图像；利用基于本公筷实施例提供的目标检测方法处理所述视频帧图像，确定所述视频帧图像的第二目标检测结果；基于所述第二目标检测结果，控制所述智能行驶装置。149.上述存储器20包括内存210和外部存储器220；这里的内存210也称内存储器，用于暂时存放处理器10中的运算数据，以及与硬盘等外部存储器220交换的数据，处理器10通过内存210与外部存储器220进行数据交换。150.上述指令的具体执行过程可以参考本公开实施例中所述的目标检测方法的步骤，或者智能行驶装置的行驶控制方法的步骤，此处不再赘述。151.本公开实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述方法实施例中所述的目标检测方法的步骤，或者智能行驶装置的行驶控制方法的步骤。其中，该存储介质可以是易失性或非易失的计算机可读取存储介质。152.本公开实施例还提供一种计算机程序产品，该计算机程序产品承载有程序代码，所述程序代码包括的指令可用于执行上述方法实施例中所述的目标检测方法的步骤，或者智能行驶装置的行驶控制方法的步骤，具体可参见上述方法实施例，在此不再赘述。153.其中，上述计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中，所述计算机程序产品具体体现为计算机存储介质，在另一个可选实施例中，计算机程序产品具体体现为软件产品，例如软件开发包(software development kit，sdk)等等。154.所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。在本公开所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。155.所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。156.另外，在本公开各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。157.所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本公开的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台电子设备(可以是个人计算机，服务器，或者网络设备等)执行本公开各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。158.最后应说明的是：以上所述实施例，仅为本公开的具体实施方式，用以说明本公开的技术方案，而非对其限制，本公开的保护范围并不局限于此，尽管参照前述实施例对本公开进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本公开揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本公开实施例技术方案的精神和范围，都应涵盖在本公开的保护范围之内。因此，本公开的保护范围应所述以权利要求的保护范围为准。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!