目标检测方法和装置.pdf

《目标检测方法和装置.pdf》由会员分享，可在线阅读，更多相关《目标检测方法和装置.pdf（16页完成版）》请在专利查询网上搜索。

1、(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 (43)申请公布日 (21)申请号 201910379637.9 (22)申请日 2019.05.08 (71)申请人 北京字节跳动网络技术有限公司 地址 100041 北京市石景山区实兴大街30 号院3号楼2层B-0035房间 (72)发明人 陈奇 (74)专利代理机构 北京英赛嘉华知识产权代理 有限责任公司 11204 代理人 王达佐马晓亚 (51)Int.Cl. G06K 9/00(2006.01) G06N 3/04(2006.01) (54)发明名称 目标检测方法和装置 (57)摘要 本公开的实施例公开了。

2、目标检测方法和装 置。 该方法的一具体实施方式包括： 获取待检测 图像； 对待检测图像进行分析以确定待检测图像 是否显示有检测目标； 响应于确定待检测图像显 示有检测目标， 将待检测图像输入至预先训练的 目标检测模型， 得到检测结果信息， 其中， 检测结 果信息用于指示检测目标显示在待检测图像中 的位置。 该实施方式避免了目标检测模型对不显 示检测目标的待检测图像的处理所带来的不必 要的功耗。 权利要求书2页 说明书9页 附图4页 CN 110110666 A 2019.08.09 CN 110110666 A 1.一种目标检测方法， 包括： 获取待检测图像； 对所述待检测图像进行分析以确定所。

3、述待检测图像是否显示有检测目标； 响应于确定所述待检测图像显示有检测目标， 将所述待检测图像输入至预先训练的目 标检测模型， 得到检测结果信息， 其中， 所述检测结果信息用于指示检测目标显示在所述待 检测图像中的位置。 2.根据权利要求1所述的方法， 其中， 所述方法还包括： 响应于确定所述待检测图像不显示检测目标， 输出用于提示所述待检测图像不显示检 测目标的提示信息。 3.根据权利要求1所述的方法， 其中， 所述对所述待检测图像进行分析以确定所述待检 测图像是否显示有检测目标， 包括： 将所述待检测图像输入至预先训练的、 用于分类的卷积神经网络， 以确定所述待检测 图像是否显示有检测目标。。

4、 4.根据权利要求1所述的方法， 其中， 所述目标检测模型的网络层包括至少一个特征提 取层、 池化层和全连接层； 以及 所述将所述待检测图像输入至预先训练的目标检测模型， 得到检测结果信息， 包括： 利用所述至少一个特征提取层提取所述待检测图像的特征图； 利用所述池化层对提取的特征图的尺寸进行调整， 以得到预设尺寸的特征图； 将得到的预设尺寸的特征图输入至所述全连接层， 以得到检测结果信息。 5.根据权利要求4所述的方法， 其中， 所述预设尺寸的特征图包括至少两个不同预设尺 寸的特征图。 6.根据权利要求1-5之一所述的方法， 其中， 检测目标包括人脸。 7.一种目标检测装置， 包括： 获取单。

5、元， 被配置成获取待检测图像； 确定单元， 被配置成对所述待检测图像进行分析以确定所述待检测图像是否显示有检 测目标； 检测单元， 被配置成响应于确定所述待检测图像显示有检测目标， 将所述待检测图像 输入至预先训练的目标检测模型， 得到检测结果信息， 其中， 所述检测结果信息用于指示检 测目标显示在所述待检测图像中的位置。 8.根据权利要求7所述的装置， 其中， 所述装置还包括： 输出单元， 被配置成响应于确定所述待检测图像不显示检测目标， 输出用于提示所述 待检测图像不显示检测目标的提示信息。 9.根据权利要求7所述的装置， 其中， 所述确定单元进一步被配置成： 将所述待检测图像输入至预先训。

6、练的、 用于分类的卷积神经网络， 以确定所述待检测 图像是否显示有检测目标。 10.根据权利要求7所述的装置， 其中， 所述目标检测模型的网络层包括至少一个特征 提取层、 池化层和全连接层； 以及 所述检测单元进一步被配置成： 利用所述至少一个特征提取层提取所述待检测图像的特征图； 权利要求书 1/2 页 2 CN 110110666 A 2 利用所述池化层对提取的特征图的尺寸进行调整， 以得到预设尺寸的特征图； 将得到的预设尺寸的特征图输入至所述全连接层， 以得到检测结果信息。 11.根据权利要求10所述的装置， 其中， 所述预设尺寸的特征图包括至少两个不同预设 尺寸的特征图。 12.根据权。

7、利要求7-11之一所述的装置， 其中， 检测目标包括人脸。 13.一种终端， 包括： 一个或多个处理器； 存储装置， 其上存储有一个或多个程序； 当所述一个或多个程序被所述一个或多个处理器执行， 使得所述一个或多个处理器实 现如权利要求1-6中任一所述的方法。 14.一种计算机可读介质， 其上存储有计算机程序， 其中， 该程序被处理器执行时实现 如权利要求1-6中任一所述的方法。 权利要求书 2/2 页 3 CN 110110666 A 3 目标检测方法和装置 技术领域 0001 本公开的实施例涉及计算机技术领域， 具体涉及目标检测方法和装置。 背景技术 0002 目标检测是当前计算机视觉和数。

8、字图像处理的一个热门方向。 目标检测可以广泛 应用于人脸检测和识别、 步态识别、 实例分割、 机器人或智能车导航、 智能监控等诸多领域。 而且由于如深度学习等方法的快速发展， 也带动目标检测算法的快速发展。 0003 在基于神经网络实现的目标检测方法的实际应用中， 经常会出现处理的图像中并 没有检测目标的情况。 而一般地无论图像中是否有检测目标， 实现目标检测的神经网络还 是会利用各个网络层对图像进行处理。 发明内容 0004 本公开的实施例提出了目标检测方法和装置。 0005 第一方面， 本公开的实施例提供了一种目标检测方法， 该方法包括： 获取待检测图 像； 对待检测图像进行分析以确定待检。

9、测图像是否显示有检测目标； 响应于确定待检测图 像显示有检测目标， 将待检测图像输入至预先训练的目标检测模型， 得到检测结果信息， 其 中， 检测结果信息用于指示检测目标显示在待检测图像中的位置。 0006 在一些实施例中， 响应于确定待检测图像不显示检测目标， 输出用于提示待检测 图像不显示检测目标的提示信息。 0007 在一些实施例中， 对待检测图像进行分析以确定待检测图像是否显示有检测目 标， 包括： 将待检测图像输入至预先训练的、 用于分类的卷积神经网络， 以确定待检测图像 是否显示有检测目标。 0008 在一些实施例中， 目标检测模型的网络层包括至少一个特征提取层、 池化层和全 连接。

10、层； 以及将待检测图像输入至预先训练的目标检测模型， 得到检测结果信息， 包括： 利 用至少一个特征提取层提取待检测图像的特征图； 利用池化层对提取的特征图的尺寸进行 调整， 以得到预设尺寸的特征图； 将得到的预设尺寸的特征图输入至全连接层， 以得到检测 结果信息。 0009 在一些实施例中， 预设尺寸的特征图包括至少两个不同预设尺寸的特征图。 0010 在一些实施例中， 检测目标包括人脸。 0011 第二方面， 本公开的实施例提供了一种目标检测装置， 该装置包括： 获取单元， 被 配置成获取待检测图像； 确定单元， 被配置成对待检测图像进行分析以确定待检测图像是 否显示有检测目标； 检测单元。

11、， 被配置成响应于确定待检测图像显示有检测目标， 将待检测 图像输入至预先训练的目标检测模型， 得到检测结果信息， 其中， 检测结果信息用于指示检 测目标显示在待检测图像中的位置。 0012 在一些实施例中， 上述装置还包括： 输出单元， 被配置成响应于确定待检测图像不 显示检测目标， 输出用于提示待检测图像不显示检测目标的提示信息。 说明书 1/9 页 4 CN 110110666 A 4 0013 在一些实施例中， 确定单元进一步被配置成： 将待检测图像输入至预先训练的、 用 于分类的卷积神经网络， 以确定待检测图像是否显示有检测目标。 0014 在一些实施例中， 目标检测模型的网络层包括。

12、至少一个特征提取层、 池化层和全 连接层； 以及检测单元进一步被配置成： 利用至少一个特征提取层提取待检测图像的特征 图； 利用池化层对提取的特征图的尺寸进行调整， 以得到预设尺寸的特征图； 将得到的预设 尺寸的特征图输入至全连接层， 以得到检测结果信息。 0015 在一些实施例中， 预设尺寸的特征图包括至少两个不同预设尺寸的特征图。 0016 在一些实施例中， 检测目标包括人脸。 0017 第三方面， 本公开的实施例提供了一种终端， 该终端包括： 一个或多个处理器； 存 储装置， 用于存储一个或多个程序； 当一个或多个程序被一个或多个处理器执行， 使得一个 或多个处理器实现如第一方面中任一实。

13、现方式描述的方法。 0018 第四方面， 本公开的实施例提供了一种计算机可读介质， 其上存储有计算机程序， 该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。 0019 在目标检测模型的实际应用中， 常常会出现待检测图像不显示检测目标的情况。 例如， 手机上安装有基于目标检测模型实现人脸检测的应用。 由于用户在打开手机摄像头 时， 可能摄像头会先对准墙壁、 天花板等， 或者在使用过程中， 可能会出现用户将手机暂时 搁置的情况。 这些情况下， 上述应用基于摄像头获取到的图像都是没有人脸的。 0020 又例如， 在一些应用基于目标检测模型实现人脸检测的安检设备的场景下， 由于 前后。

14、两个经过安检的用户需要隔离开一定的距离， 因此， 在前一个用户安检完成， 下一个用 户还未接近安检设备时， 安检设备所拍摄的也是没有人脸的图像。 0021 而由于现有技术中， 目标检测模型在处理图像时是针对所有获取到的图像， 都会 经过目标检测模型的各个网络层进行处理， 以得到最终的检测结果。 0022 一般地， 目标检测模型在处理图像的过程中， 计算量通常是很大的， 对应的功耗也 会很高。 因此， 目标检测模型对不显示检测目标的待检测图像的处理过程是不必要的， 还会 导致较大的功耗。 0023 本公开的实施例提供的目标检测方法和装置， 通过在利用目标检测模型对待处理 图像进行处理之前， 先分。

15、析待检测图像是否显示有检测目标， 以及在确定待检测图像显示 有检测目标时， 再利用目标检测模型对待处理图像进行处理， 从而可以避免目标检测模型 对不显示检测目标的待检测图像的处理所带来的不必要的功耗。 附图说明 0024 通过阅读参照以下附图所作的对非限制性实施例所作的详细描述， 本公开的其它 特征、 目的和优点将会变得更明显： 0025 图1是本公开的一个实施例可以应用于其中的示例性系统架构图； 0026 图2是根据本公开的目标检测方法的一个实施例的流程图； 0027 图3是根据本公开的实施例的目标检测方法的一个应用场景的示意图； 0028 图4是根据本公开的目标检测方法的又一个实施例的流程。

16、图； 0029 图5是根据本公开的目标检测装置的一个实施例的结构示意图； 0030 图6是适于用来实现本公开的实施例的电子设备的结构示意图。 说明书 2/9 页 5 CN 110110666 A 5 具体实施方式 0031 下面结合附图和实施例对本公开作进一步的详细说明。 可以理解的是， 此处所描 述的具体实施例仅仅用于解释相关发明， 而非对该发明的限定。 另外还需要说明的是， 为了 便于描述， 附图中仅示出了与有关发明相关的部分。 0032 需要说明的是， 在不冲突的情况下， 本公开中的实施例及实施例中的特征可以相 互组合。 下面将参考附图并结合实施例来详细说明本公开。 0033 图1示出了。

17、可以应用本公开的目标检测方法或目标检测装置的实施例的示例性架 构100。 0034 如图1所示， 系统架构100可以包括终端设备101、 102、 103， 网络104和服务器105。 网络104用以在终端设备101、 102、 103和服务器105之间提供通信链路的介质。 网络104可以 包括各种连接类型， 例如有线、 无线通信链路或者光纤电缆等等。 0035 终端设备101、 102、 103通过网络104与服务器105交互， 以接收或发送消息等。 终端 设备101、 102、 103上可以安装有各种客户端应用。 例如浏览器类应用、 搜索类应用、 即时通 讯类应用等。 0036 终端设备1。

18、01、 102、 103可以是硬件， 也可以是软件。 当终端设备101、 102、 103为硬 件时， 可以是各种电子设备， 包括但不限于智能手机、 平板电脑、 电子书阅读器、 膝上型便携 计算机和台式计算机等等。 当终端设备101、 102、 103为软件时， 可以安装在上述所列举的电 子设备中。 其可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软 件模块)， 也可以实现成单个软件或软件模块。 在此不做具体限定。 0037 服务器105可以是提供各种服务的服务器， 例如为终端设备101、 102、 103上所安装 的客户端应用提供支持的后端服务器。 服务器105可以是硬件，。

19、 也可以是软件。 当服务器105 为硬件时， 可以实现成多个服务器组成的分布式服务器集群， 也可以实现成单个服务器。 当 服务器105为软件时， 可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软 件或软件模块)， 也可以实现成单个软件或软件模块。 在此不做具体限定。 0038 终端设备101、 102、 103上可以安装有图像处理类应用、 工具等。 其中， 图像处理类 应用、 工具等可以分析待检测图像以确定待检测图像是否显示有检测目标， 以及在确定待 检测图像显示有检测目标时， 将待检测图像输入至目标检测模型， 以得到检测结果信息。 此 时， 示例性系统架构100可以不存在服务器1。

20、05和网络104。 0039 需要说明的是， 待检测图像显示有检测目标可以理解为待检测图像包括呈现有检 测目标的图像区域。 例如， 拍摄的检测目标的图像即为显示有检测目标的图像。 当然， 拍摄 内容不包含检测目标时所拍摄的图像即为不显示检测目标的图像。 0040 终端设备101、 102、 103可以是具有摄像功能(如配置有摄像头102)的电子设备。 此 时， 终端设备101、 102、 103可以利用摄像头获取待检测图像。 0041 终端设备101、 102、 103也可以与其他电子设备或数据库等通信连接。 此时， 终端设 备101、 102、 103可以从其他电子设备或数据库等获取待检测图。

21、像。 上述待检测图像也可以 直接存储在终端设备101、 102、 103的本地。 此时， 终端设备101、 102、 103可以直接获取本地 所存储的待检测图像并进行处理。 此时， 终端设备101、 102、 103可以不具备摄像功能。 0042 需要说明的是， 本公开的实施例所提供的目标检测方法一般由终端设备101、 102、 103执行， 相应地， 目标检测装置一般设置于终端设备101、 102、 103中。 说明书 3/9 页 6 CN 110110666 A 6 0043 还需要指出的是， 服务器105中也可以安装有图像处理类应用、 工具等， 服务器105 也可以基于图像处理类应用、 。

22、工具等对获取的待检测图像进行处理。 此时， 本公开的实施例 所提供的目标检测方法也可以由服务器105执行， 相应地， 目标检测装置也可以设置于服务 器105中。 0044 应该理解， 图1中的终端设备、 网络和服务器的数目仅仅是示意性的。 根据实现需 要， 可以具有任意数目的终端设备、 网络和服务器。 0045 继续参考图2， 其示出了根据本公开的目标检测方法的一个实施例的流程200。 该 目标检测方法包括以下步骤： 0046 步骤201， 获取待检测图像。 0047 在本实施例中， 待检测图像可以是任意的图像。 根据不同的应用场景， 用于目标检 测的方法的执行主体(如图1所示的终端设备101。

23、)可以灵活采用各种方式来获取待检测图 像。 0048 例如， 上述执行主体可以从本地获取待检测图像。 又例如， 上述执行主体可以利用 其上所安装的各种应用下载待检测图像。 又例如， 上述执行主体可以利用从连接的存储设 备或摄像机等设备获取待检测图像。 又例如， 在上述执行主体具备摄像功能时， 可以通过开 启摄像功能获取待检测图像。 0049 步骤202， 对待检测图像进行分析以确定待检测图像是否显示有检测目标。 0050 在本实施例中， 检测目标可以是各种对象。 例如， 检测目标可以包括吃、 穿、 住、 行、 用等涉及的各类对象， 检测目标也可以包括如人、 动物、 植物等等。 可选地， 检测目。

24、标可以包 括人脸。 0051 检测目标可以是由技术人员预先指定的对象。 检测目标也可以是根据技术人员预 先设置的筛选条件所确定的对象。 例如， 筛选条件可以是： 对应所在的图像区域的面积和待 检测图像的面积的比值大于预设阈值的对象。 0052 上述执行主体可以利用各种图像分析方法对待检测图像进行分析以确定待检测 图像是否显示有检测目标。 0053 其中， 确定待检测图像是否显示有检测目标， 实质即是一个图像二分类的问题。 因 此， 可以利用各种图像分类方法来对待检测图像进行分析处理。 图像分类方法包括如基于 特征描述及检测的图像分类算法、 如基于神经网络的图像分类算法、 基于Nearest N。

25、eighbor(近邻取样)分类器的图像分类算法等等。 0054 可选地， 可以将待检测图像输入至预先训练的、 用于分类的卷积神经网络， 以确定 待检测图像是否显示有检测目标。 其中， 卷积神经网络的网络结构和参数(如包含哪些网络 层、 采用哪种激活函数、 损失函数等)都可以根据不同的应用场景灵活设置。 0055 例如， 卷积神经网络通常可以包括输入层、 卷积层、 全连接层和输出层。 又例如， 卷 积神经网络可以包括输入层、 卷积层、 扁平化层、 全连接层、 输出层。 基于卷积神经网络的图 像分类算法已是目前广泛研究和应用的公知技术， 在此不再赘述。 0056 步骤203， 响应于确定待检测图像。

26、显示有检测目标， 将待检测图像输入至预先训练 的目标检测模型， 得到检测结果信息。 0057 在本实施例中， 在确定待检测图像显示有检测目标时， 可以利用预先训练的目标 检测模型对待检测图像进行处理以得到检测结果信息。 其中， 检测结果信息可以用于指示 说明书 4/9 页 7 CN 110110666 A 7 检测目标显示在待检测图像中的位置。 0058 其中， 目标检测模型可以是现有的基于各种目标检测算法的神经网络模型。 常用 的目标检测算法包括如YOLO(You Only Look Once)、 SSD(Single Shot MultiBox Detector)、 Faster R-CN。

27、N(Faster Regions with Convolutional Neural Networks Features)等等。 0059 可选地， 响应于确定待检测图像不显示检测目标， 输出用于提示待检测图像不显 示检测目标的提示信息。 即在确定待检测图像不显示检测目标时， 可以不再利用目标检测 模型对待检测图像进行处理， 直接输出提示信息以提示待检测图像不显示检测目标。 0060 继续参见图3， 图3是根据本实施例的目标检测方法的应用场景的一个示意图300。 在图3的应用场景中， 用户的手机301上可以安装基于人脸检测模型302进行人脸检测的应 用。 该应用可以通过调用手机301的摄像功能。

28、获取待检测图像303。 0061 之后， 该应用可以先将待检测图像303输入至分类模型304， 得到检测结果为待检 测图像303显示有人脸。 此时， 可以将待检测图像303输入至人脸检测模型302， 得到人脸检 测结果(如图中标号305所示)。 0062 若根据分类模型304得到的检测结果为待检测图像303不显示人脸。 此时， 可以向 用户提示请对准人脸进行拍摄。 此时， 就可以避免不显示人脸的待检测图像再通过整个人 脸检测模型302被处理的过程， 可以有效地节省手机电量。 0063 本公开的上述实施例提供的方法通过在利用目标检测模型对待处理图像进行处 理之前， 先分析待检测图像是否显示有检测。

29、目标， 以及在确定待检测图像显示有检测目标 时， 再利用目标检测模型对待处理图像进行处理， 从而可以避免目标检测模型对不显示检 测目标的待检测图像的处理过程。 0064 一般地， 目标检测算法通常比较复杂， 所涉及的计算量非常大。 例如， 通常需要对 图像不断的卷积操作， 然后针对大量预设的候选检测框分别计算， 再从中选取出检测目标 所对应的候选检测框等。 而分析图像是否显示有检测目标可以视为图像二分类问题， 一般 仅需要简单的图像特征分析， 即通常只需要一些图像卷积操作即可以实现。 和目标检测模 型处理图像的过程相比， 省去了定位检测目标对应的位置的过程， 因此， 分析图像是否显示 有检测目。

30、标的过程简单， 对应的功耗很低。 0065 基于此， 通过先分析待检测图像是否显示有检测目标， 以避免目标检测模型对不 显示检测目标的待检测图像的处理， 可以避免目标检测模型对不显示检测目标的待检测图 像的处理所带来的不必要的功耗， 实现终端设备的节能。 0066 进一步参考图4， 其示出了目标检测方法的又一个实施例的流程400。 该目标检测 方法的流程400， 包括以下步骤： 0067 步骤401， 获取待检测图像。 0068 步骤402， 将待检测图像输入至预先训练的、 用于分类的卷积神经网络， 以确定待 检测图像是否显示有检测目标。 0069 上述步骤401和402的具体的执行过程可参考。

31、图2对应实施例中的步骤201和202的 相关说明， 在此不再赘述。 0070 步骤403， 响应于确定待检测图像显示有检测目标， 利用目标检测模型的至少一个 特征提取层提取待检测图像的特征图， 利用目标检测模型的池化层对提取的特征图的尺寸 说明书 5/9 页 8 CN 110110666 A 8 进行调整， 以得到预设尺寸的特征图， 以及将得到的预设尺寸的特征图输入至全连接层， 以 得到检测结果信息。 0071 在本步骤中， 目标检测模型可以包括至少一个特征提取层、 池化层和全连接层。 其 中， 特征提取层可以用于提取输入的图像的特征。 至少一个特征提取层中的各个特征提取 层顺序连接， 前一个。

32、特征提取层输出的特征图可以作为下一个特征提取层的输入。 基于此， 可以利用至少一个特征提取层提取待检测图像的特征图。 0072 之后可以将提取的特征图输入至池化层， 以对特征图的尺寸进行调整， 得到预设 尺寸的特征图。 其中， 预设尺寸可以根据应用需求由技术人员预先设置。 之后可以将预设尺 寸的特征图输入至全连接层， 得到检测结果信息。 其中， 具体地池化方法可以根据不同的应 用场景灵活选择。 常用的池化方法包括均值池化、 最大池化等等。 0073 由于全连接层通常会处理固定尺寸的特征图， 而待检测图像的大小可能是变化 的， 因此， 针对不同尺寸的待检测图像， 利用至少一个特征提取层提取出的特。

33、征图的尺寸也 不同。 因此， 可以利用池化层来根据需求调整特征图的尺寸， 使得输入至全连接层的特征图 的尺寸相同。 另外， 由于池化操作可以减小特征图的尺寸， 降低了全连接层需要处理的特征 的维度， 从而可以提升处理速度。 0074 可选地， 利用池化层得到的预设尺寸的特征图可以包括至少两个不同预设尺寸的 特征图。 即可以利用池化层对输入的特征图进行两种或两种以上的不同尺寸调整。 此时， 可 以将得到的至少两个不同预设尺寸的特征图连接后输入至全连接层。 0075 其中， 至少两种不同的预设尺寸同样可以由技术人员根据需求预先进行设置。 根 据预先设置的不同的预设尺寸以及所处理的待检测图像的特征图。

34、的尺寸， 动态地计算不同 的预设尺寸分别对应的池化参数(如池化窗口的大小、 步长等等)。 进而可以根据所确定的 池化参数， 利用各种池化方法(如均值池化、 最大池化等)得到不同的预设尺寸分别对应的 特征图。 0076 由于得到了至少两种不同尺寸的特征图， 即可以得到不同尺度的特征信息， 进而 也就使得后续图像处理时是基于更多的特征信息进行的， 有助于提升检测结果的准确性。 0077 步骤404， 响应于确定待检测图像不显示检测目标， 输出用于提示待检测图像不显 示检测目标的提示信息。 0078 本步骤404的具体的执行过程可参考图2对应实施例中的步骤203的相关说明， 在 此不再赘述。 007。

35、9 本实施例中的目标检测方法在利用目标检测模型对显示有检测目标的待检测图 像进行处理时， 利用池化层将特征提取层提取的待检测图像的特征图调整为预设尺寸的特 征图， 降低了全连接层需要处理的特征的维度， 从而可以提升图像检测速度。 0080 进一步参考图5， 作为对上述各图所示方法的实现， 本公开提供了目标检测装置的 一个实施例， 该装置实施例与图2所示的方法实施例相对应， 该装置具体可以应用于各种电 子设备中。 0081 如图5所示， 本实施例提供的目标检测装置500包括获取单元501、 确定单元502和 检测单元503。 其中， 获取单元501被配置成获取待检测图像； 确定单元502被配置成。

36、对待检 测图像进行分析以确定待检测图像是否显示有检测目标； 检测单元503被配置成响应于确 定待检测图像显示有检测目标， 将待检测图像输入至预先训练的目标检测模型， 得到检测 说明书 6/9 页 9 CN 110110666 A 9 结果信息， 其中， 检测结果信息用于指示检测目标显示在待检测图像中的位置。 0082 在本实施例中， 目标检测装置500中： 获取单元501、 确定单元502和检测单元503的 具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201、 步骤202和步骤 203的相关说明， 在此不再赘述。 0083 在本实施例的一些可选的实现方式中， 上述目标检测装置5。

37、00还包括： 输出单元 (图中未示出)被配置成响应于确定待检测图像不显示检测目标， 输出用于提示待检测图像 不显示检测目标的提示信息。 0084 在本实施例的一些可选的实现方式中， 确定单元502进一步被配置成： 将待检测图 像输入至预先训练的、 用于分类的卷积神经网络， 以确定待检测图像是否显示有检测目标。 0085 在本实施例的一些可选的实现方式中， 目标检测模型的网络层包括至少一个特征 提取层、 池化层和全连接层； 以及检测单元503进一步被配置成： 利用至少一个特征提取层 提取待检测图像的特征图； 利用池化层对提取的特征图的尺寸进行调整， 以得到预设尺寸 的特征图； 将得到的预设尺寸的。

38、特征图输入至全连接层， 以得到检测结果信息。 0086 在本实施例的一些可选的实现方式中， 预设尺寸的特征图包括至少两个不同预设 尺寸的特征图。 0087 在本实施例的一些可选的实现方式中， 检测目标包括人脸。 0088 本公开的上述实施例提供的装置， 通过获取单元获取待检测图像； 确定单元对待 检测图像进行分析以确定待检测图像是否显示有检测目标； 检测单元响应于确定待检测图 像显示有检测目标， 将待检测图像输入至预先训练的目标检测模型， 得到检测结果信息， 其 中， 检测结果信息用于指示检测目标显示在待检测图像中的位置， 从而避免目标检测模型 对不显示检测目标的待检测图像的处理所带来的不必要。

39、的功耗。 0089 下面参考图6， 其示出了适于用来实现本公开的实施例的电子设备(例如图1中的 终端设备)600的结构示意图。 本公开的实施例中的终端设备可以包括但不限于诸如移动电 话、 笔记本电脑、 数字广播接收器、 PDA(个人数字助理)、 PAD(平板电脑)、 PMP(便携式多媒体 播放器)、 车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、 台式计算机等等 的固定终端。 图6示出的终端设备仅仅是一个示例， 不应对本公开的实施例的功能和使用范 围带来任何限制。 0090 如图6所示， 电子设备600可以包括处理装置(例如中央处理器、 图形处理器等) 601， 其可以根据存储在。

40、只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问 存储器(RAM)603中的程序而执行各种适当的动作和处理。 在RAM 603中， 还存储有电子设备 600操作所需的各种程序和数据。 处理装置601、 ROM 602以及RAM603通过总线604彼此相连。 输入/输出(I/O)接口605也连接至总线604。 0091 通常， 以下装置可以连接至I/O接口605： 包括例如触摸屏、 触摸板、 键盘、 鼠标、 摄 像头、 麦克风、 加速度计、 陀螺仪等的输入装置606； 包括例如液晶显示器(LCD)、 扬声器、 振 动器等的输出装置607； 包括例如磁带、 硬盘等的存储装置60。

41、8； 以及通信装置609。 通信装置 609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。 虽然图6示出了具 有各种装置的电子设备600， 但是应理解的是， 并不要求实施或具备所有示出的装置。 可以 替代地实施或具备更多或更少的装置。 图6中示出的每个方框可以代表一个装置， 也可以根 据需要代表多个装置。 说明书 7/9 页 10 CN 110110666 A 10 0092 特别地， 根据本公开的实施例， 上文参考流程图描述的过程可以被实现为计算机 软件程序。 例如， 本公开的实施例包括一种计算机程序产品， 其包括承载在计算机可读介质 上的计算机程序， 该计算机程序包含用于执。

42、行流程图所示的方法的程序代码。 在这样的实 施例中， 该计算机程序可以通过通信装置609从网络上被下载和安装， 或者从存储装置608 被安装， 或者从ROM 602被安装。 在该计算机程序被处理装置601执行时， 执行本公开的实施 例的方法中限定的上述功能。 0093 需要说明的是， 本公开的实施例所述的计算机可读介质可以是计算机可读信号介 质或者计算机可读存储介质或者是上述两者的任意组合。 计算机可读存储介质例如可以 是但不限于电、 磁、 光、 电磁、 红外线、 或半导体的系统、 装置或器件， 或者任意以上 的组合。 计算机可读存储介质的更具体的例子可以包括但不限于： 具有一个或多个导线的 。

43、电连接、 便携式计算机磁盘、 硬盘、 随机访问存储器(RAM)、 只读存储器(ROM)、 可擦式可编程 只读存储器(EPROM或闪存)、 光纤、 便携式紧凑磁盘只读存储器(CD-ROM)、 光存储器件、 磁存 储器件、 或者上述的任意合适的组合。 在本公开的实施例中， 计算机可读存储介质可以是任 何包含或存储程序的有形介质， 该程序可以被指令执行系统、 装置或者器件使用或者与其 结合使用。 而在本公开的实施例中， 计算机可读信号介质可以包括在基带中或者作为载波 一部分传播的数据信号， 其中承载了计算机可读的程序代码。 这种传播的数据信号可以采 用多种形式， 包括但不限于电磁信号、 光信号或上述。

44、的任意合适的组合。 计算机可读信号介 质还可以是计算机可读存储介质以外的任何计算机可读介质， 该计算机可读信号介质可以 发送、 传播或者传输用于由指令执行系统、 装置或者器件使用或者与其结合使用的程序。 计 算机可读介质上包含的程序代码可以用任何适当的介质传输， 包括但不限于： 电线、 光缆、 RF(射频)等等， 或者上述的任意合适的组合。 0094 上述计算机可读介质可以是上述终端中所包含的； 也可以是单独存在， 而未装配 入该终端中。 上述计算机可读介质承载有一个或者多个程序， 当上述一个或者多个程序被 该终端执行时， 使得该终端： 获取待检测图像； 对待检测图像进行分析以确定待检测图像是。

45、 否显示有检测目标； 响应于确定待检测图像显示有检测目标， 将待检测图像输入至预先训 练的目标检测模型， 得到检测结果信息， 其中， 检测结果信息用于指示检测目标显示在待检 测图像中的位置。 0095 可以以一种或多种程序设计语言或其组合来编写用于执行本公开的实施例的操 作的计算机程序代码， 所述程序设计语言包括面向对象的程序设计语言诸如Java、 Smalltalk、 C+， 还包括常规的过程式程序设计语言诸如 “C” 语言或类似的程序设计语 言。 程序代码可以完全地在用户计算机上执行、 部分地在用户计算机上执行、 作为一个独立 的软件包执行、 部分在用户计算机上部分在远程计算机上执行、 或。

46、者完全在远程计算机或 服务器上执行。 在涉及远程计算机的情形中， 远程计算机可以通过任意种类的网络包 括局域网(LAN)或广域网(WAN)连接到用户计算机， 或者， 可以连接到外部计算机(例如 利用因特网服务提供商来通过因特网连接)。 0096 附图中的流程图和框图， 图示了按照本公开各种实施例的系统、 方法和计算机程 序产品的可能实现的体系架构、 功能和操作。 在这点上， 流程图或框图中的每个方框可以代 表一个模块、 程序段、 或代码的一部分， 该模块、 程序段、 或代码的一部分包含一个或多个用 于实现规定的逻辑功能的可执行指令。 也应当注意， 在有些作为替换的实现中， 方框中所标 说明书 。

47、8/9 页 11 CN 110110666 A 11 注的功能也可以以不同于附图中所标注的顺序发生。 例如， 两个接连地表示的方框实际上 可以基本并行地执行， 它们有时也可以按相反的顺序执行， 这依所涉及的功能而定。 也要注 意的是， 框图和/或流程图中的每个方框、 以及框图和/或流程图中的方框的组合， 可以用执 行规定的功能或操作的专用的基于硬件的系统来实现， 或者可以用专用硬件与计算机指令 的组合来实现。 0097 描述于本公开的实施例中所涉及到的单元可以通过软件的方式实现， 也可以通过 硬件的方式来实现。 所描述的单元也可以设置在处理器中， 例如， 可以描述为： 一种处理器 包括获取单元。

48、、 确定单元和检测单元。 其中， 这些单元的名称在某种情况下并不构成对该单 元本身的限定， 例如， 获取单元还可以被描述为 “获取待检测图像的单元” 。 0098 以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。 本领域技术人 员应当理解， 本公开的实施例中所涉及的发明范围， 并不限于上述技术特征的特定组合而 成的技术方案， 同时也应涵盖在不脱离上述发明构思的情况下， 由上述技术特征或其等同 特征进行任意组合而形成的其它技术方案。 例如上述特征与本公开的实施例中公开的(但 不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。 说明书 9/9 页 12 CN 110110666 A 12 图1 图2 说明书附图 1/4 页 13 CN 110110666 A 13 图3 说明书附图 2/4 页 14 CN 110110666 A 14 图4 图5 说明书附图 3/4 页 15 CN 110110666 A 15 图6 说明书附图 4/4 页 16 CN 110110666 A 16 。