一种对象检测方法、装置、设备及存储介质与流程

1.本发明实施例涉及计算机技术领域，尤其涉及一种对象检测方法、装置、设备及存储介质。


背景技术：

2.现有技术中，车载环境下的对象检测方法可分为两类，一类为传统机器学习的方法，一类为基于深度学习的检测方法，相对于基于传统机器学习的方法，基于深度学习的检测方法在车载环境下的多种复杂场景下有更高的准确性和鲁棒性。
3.但由于现有技术中的深度学习的检测方法需要大量的训练数据和计算资源，对计算硬件要求和计算量的需求极高，且车载环境下需全天实时进行对象检测，导致硬件设备性能降低、数据处理效率低以及对象检测准确率低。


技术实现要素：

4.本发明实施例提供一种对象检测方法、装置、设备及存储介质，解决了由于深度学习的检测方法需要大量的训练数据和计算资源，对计算硬件要求和计算量的需求极高，且车载环境下需全天实时进行对象检测，导致硬件设备性能降低、数据处理效率低以及对象检测准确率低的问题。
5.根据本发明的一方面，提供了一种对象检测方法，包括：
6.获取当前车辆的环境图像和当前车辆对应的天气信息；
7.根据当前车辆对应的天气信息确定当前车辆的环境图像对应的目标检测模型；
8.将所述环境图像输入对应的目标检测模型中，得到目标对象检测结果。
9.根据本发明的另一方面，提供了一种对象检测装置，该对象检测装置包括：
10.获取模块，用于获取当前车辆的环境图像和当前车辆对应的天气信息；
11.确定模块，用于根据当前车辆对应的天气信息确定当前车辆的环境图像对应的目标检测模型；
12.得到模块，用于将所述环境图像输入对应的目标检测模型中，得到目标对象检测结果。
13.根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：
14.至少一个处理器；以及
15.与所述至少一个处理器通信连接的存储器；其中，
16.所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的对象检测方法。
17.根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的对象检测方法。
18.本发明实施例通过获取当前车辆的环境图像和当前车辆对应的天气信息；根据当前车辆对应的天气信息确定当前车辆的环境图像对应的目标检测模型；将所述环境图像输入对应的目标检测模型中，得到目标对象检测结果，解决了由于深度学习的检测方法需要大量的训练数据和计算资源，对计算硬件要求和计算量的需求极高，且车载环境下需全天实时进行对象检测，导致硬件设备性能降低、数据处理效率低以及对象检测准确率低的问题，能够将环境图像输入至对应的目标检测模型中，得到目标对象检测结果，提升对象检测准确率，提高数据处理效率，进而提升硬件设备性能。
19.应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
20.为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，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。
21.图1是本发明实施例一中的一种对象检测方法的流程图；
22.图2是本发明实施例一中的一种主干特征提取网络改进的示意图；
23.图3是本发明实施例二中的一种对象检测装置的结构示意图；
24.图4是本发明实施例三中的一种电子设备的结构示意图。
具体实施方式
25.为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明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发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
26.需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
27.可以理解的是，在使用本公开各实施例公开的技术方案之前，均应当依据相关法律法规通过恰当的方式对本公开所涉及个人信息的类型、使用范围、使用场景等告知用户并获得用户的授权。
28.实施例一
29.图1是本发明实施例一中的一种对象检测方法的流程图，本实施例可适用于检测对象的情况，该方法可以由本发明实施例中的对象检测装置来执行，该装置可采用软件和/
或硬件的方式实现，如图1所示，该方法具体包括如下步骤：
30.s110，获取当前车辆的环境图像和当前车辆对应的天气信息。
31.其中，环境图像为当前车辆的周边的环境图像，天气信息可以为当前车辆当天的天气信息，也可以为预测的天气信息，其中，天气信息可包括：日出时间、日落时间、气象信息以及能见度等信息。
32.具体的，获取当前车辆的环境图像和当前车辆对应的天气信息的方式可以为：通过当前车辆安装的红外相机采集当前车辆的环境图像；通过当前车辆上的定位系统获取当前车辆对应的天气信息，具体的，根据当前车辆的定位系统周期性地获取当前车辆所在的地理位置信息，通过当前车辆所在的地理位置信息获取当前位置的天气信息，例如可以是，通过调用天气api(application programming interface，应用程序接口)，向服务器发送请求并传递当前位置对应的经纬度参数，获取当前车辆的天气数据，并对当前车辆的天气数据进行解析和处理得到天气信息。
33.s120，根据当前车辆对应的天气信息确定当前车辆的环境图像对应的目标检测模型。
34.其中，目标检测模型可以为传统的hog+svm目标检测模型，也可以为改进后的yolov3目标检测模型。
35.具体的，根据当前车辆对应的天气信息确定当前车辆的环境图像对应的目标检测模型的方式可以为：根据当前车辆对应的天气信息判断当前车辆的环境图像对应的条件是否满足预设条件，根据当前车辆的环境图像对应的条件和预设条件选择对应的目标检测模型。例如可以是，若当前车辆的环境图像对应的条件满足第一预设条件，则确定当前车辆的环境图像对应的目标检测模型为传统hog+svm目标检测模型；若当前车辆的环境图像对应的条件满足第二预设条件，则确定当前车辆的环境图像对应的目标检测模型为改进后的yolov3目标检测模型，其中，所述第一预设条件和第二预设条件可根据实际需求自行设定。
36.s130，将环境图像输入对应的目标检测模型中，得到目标对象检测结果。
37.其中，目标对象不做限制，例如可以是，目标对象可以为行人。
38.具体的，将环境图像输入对应的目标检测模型中，得到目标对象检测结果的方式可以为：将当前车辆的环境图像输入至对应的目标检测模型中，进行目标对象的检测，得到目标对象检测结果。
39.通过根据当前车辆对应的天气信息确定当前车辆的环境图像对应的目标检测模型，将环境图像输入对应的目标检测模型中，得到目标对象检测结果，可根据当前车辆对应的天气信息将当前车辆的环境图像输入至符合当前车辆的环境图像对应的条件的目标检测模型，提高得到目标对象检测结果的准确性。
40.可选的，根据当前车辆对应的天气信息确定当前车辆的环境图像对应的目标检测模型，包括：
41.若当前车辆的环境图像对应的时间处于第一时间段且天气信息满足第一条件，则将当前车辆的环境图像对应的目标检测模型确定为第一检测模型；
42.若当前车辆的环境图像对应的时间处于第一时间段且天气信息满足第二条件，或者，当前车辆的环境图像对应的时间处于第二时间段，则将当前车辆的环境图像对应的目标检测模型确定为第二检测模型。
43.其中，第一时间段可以为白天时间段，第二时间段可以为晚上时间段，第一时间段和第二时间段也可以根据实际需求设定具体时间的时间段。其中，第一条件和第二条件可根据实际需求和天气信息进行设定，例如可以是，第一条件可以为气象条件简单且能见度低于能见度阈值高于等于能见度阈值，第二条件为气象条件复杂且能见度低于能见度阈值，其中，气象条件简单和气象条件复杂可根据实际需求进行设定，例如，设定天气现象为晴朗、多云以及阴等气象为气象条件简单，设定天气现象为雨、雪、雷阵雨以及雾等气象时为气象条件复杂。
44.其中，第一检测模型可以为传统的hog+svm目标检测模型，第二模型可以为改进后的yolov3目标检测模型。
45.具体的，若当前车辆的环境图像对应的时间处于第一时间段且天气信息满足第一条件，则将当前车辆的环境图像对应的目标检测模型确定为第一检测模型的方式可以为：获取当前车辆的环境图像对应的时间和当前车辆的环境图像对应的时间的天气信息，判断当前车辆的环境图像对应的时间是否处于第一时间段，判断当前车辆的环境图像对应的时间的天气信息是否满足第一条件，若当前车辆的环境图像对应的时间处于第一时间段且当前车辆的环境图像对应的时间的天气信息满足第一条件，说明当前车辆的环境图像所处场景比较简单，则将当前车辆的环境图像对应的目标检测模型确定为第一检测模型。
46.具体的，若当前车辆的环境图像对应的时间处于第一时间段且天气信息满足第二条件，或者，当前车辆的环境图像对应的时间处于第二时间段，则将当前车辆的环境图像对应的目标检测模型确定为第二检测模型的方式可以为：获取当前车辆的环境图像对应的时间和当前车辆的环境图像对应的时间的天气信息，若当前车辆的环境图像对应的时间处于第一时间段且当前车辆的环境图像对应的时间的天气信息满足第二条件，或者是，若当前车辆的环境图像对应的时间处于第二时间段，说明当前车辆的环境图像所处场景比较复杂，则将当前车辆的环境图像对应的目标检测模型确定为第二检测模型。
47.通过当前车辆的天气信息判断当前车辆的环境图像是否处于复杂场景，若并未处于复杂场景，将当前车辆的环境图像对应的目标检测模型确定为第一检测模型；若处于复杂场景，将当前车辆的环境图像对应的目标检测模型确定为第二检测模型，能够根据当前车辆的环境图像选择更合适的目标检测模型，提升对象检测准确性，若目标检测模型确定为第一检测模型，可降低对计算资源的要求，在环境图像未处于复杂场景时，也能够得到良好的对象检测准确性，若目标检测模型确定为第二检测模型，可解决车载环境下全天实时进行对象检测导致硬件设备性能降低的问题，降低数据处理量，提升对象检测准确性。
48.可选的，在根据当前车辆对应的天气信息确定当前车辆的环境图像对应的目标检测模型之前，还包括：
49.根据当前车辆对应的天气信息得到日出时间和日落时间；
50.根据日出时间和日落时间确定当前车辆的第一时间段和第二时间段，其中，所述第一时间段的起始时间为当天日出时间，所述第一时间段的结束时间为当天日落时间，所述第二时间段的起始时间为当天日落时间，所述第二时间段的结束时间为次日日出时间。
51.具体的，根据当前车辆对应的天气信息得到日出时间和日落时间的方式可以为：根据当前车辆对应的天气信息得到当天的日出时间、当天日落时间以及次日日出时间。
52.具体的，根据日出时间和日落时间确定当前车辆的第一时间段和第二时间段的方
式可以为：根据获取的当天的日出时间、当天日落时间以及次日日出时间确定当前车辆的第一时间段和第二时间段，其中，第一时间段的起始时间为当天日出时间，第一时间段的结束时间为当天日落时间，第二时间段的起始时间为当天日落时间，第二时间段的结束时间为次日日出时间。根据日出时间和日落时间确定当前车辆的第一时间段和第二时间段的方式还可以为：设定第一时间段的起始时间为当天日出时间后的第一个整小时，第一时间段的结束时间为当天日落时间后的第一个整小时；第二时间段的起始时间为当天日落时间第一个整小时，第二时间段的结束时间为次日日出时间后的第一个整小时。
53.可选的，所述天气信息包括：气象信息和能见度；
54.若当前车辆的环境图像对应的时间处于第一时间段且天气信息满足第一条件，则将当前车辆的环境图像对应的目标检测模型确定为第一检测模型，包括：
55.若当前车辆的环境图像对应的时间处于第一时间段，当前车辆对应的气象信息类型为第一气象类型，且能见度大于等于第一阈值，则将当前车辆的环境图像对应的目标检测模型确定为第一检测模型。
56.其中，第一气象类型可为简单气象，根据实际需求自行设定，例如可以是，第一气象类型中的气象可包括：晴朗、多云以及阴等气象。第一阈值可根据实际需求进行预设，例如，第一阈值可为500m。
57.具体的，若当前车辆的环境图像对应的时间处于第一时间段，当前车辆对应的气象信息类型为第一气象类型，且能见度大于等于第一阈值，则将当前车辆的环境图像对应的目标检测模型确定为第一检测模型的方式可以为：设定第一气象类型和第一阈值，获取当前车辆对应的气象信息和能见度，根据当前车辆对应的气象信息判断当前车辆对应的气象信息类型是否为第一气象类型，若当前车辆的环境图像处于第一时间段，当前车辆的环境图像对应的气象信息类型为第一气象类型，且能见度大于等于第一阈值，说明当前车辆的环境图像处于简单场景，则将当前车辆的环境图像对应的目标检测模型确定为第一检测模型。
58.可选的，若当前车辆的环境图像对应的时间处于第一时间段且天气信息满足第二条件，则将当前车辆的环境图像对应的目标检测模型确定为第二检测模型，包括：
59.若当前车辆的环境图像对应的时间处于第一时间段，当前车辆对应的气象信息类型为第二气象类型，且能见度小于第一阈值，则将当前车辆的环境图像对应的目标检测模型确定为第二检测模型。
60.其中，第二气象类型可为复杂气象，根据实际需求自行设定，例如可以是，第二气象类型中的气象可包括：雨、雪、雷阵雨以及雾等气象。第一阈值可根据实际需求进行预设，例如，第一阈值可为500m。
61.具体的，若当前车辆的环境图像对应的时间处于第一时间段，当前车辆对应的气象信息类型为第二气象类型，且能见度小于第一阈值，则将当前车辆的环境图像对应的目标检测模型确定为第二检测模型的方式可以为：设定第二气象类型和第一阈值，获取当前车辆对应的气象信息和能见度，根据当前车辆对应的气象信息判断当前车辆对应的气象信息类型是否为第二气象类型，若当前车辆的环境图像处于第一时间段，当前车辆的环境图像对应的气象信息类型为第二气象类型，且能见度小于第一阈值，则将当前车辆的环境图像对应的目标检测模型确定为第二检测模型。
conv(1
×
1)-bn-relu-conv(3
×
3)，其中，此函数是conv(卷积算子)、bn(batch normalization，批量归一化)以及为relu(rectified linear 33unit，整流线性单元)的组合。在26
×
26和52
×
52的densenet网络层中，hm提供了x0,x1,
…
,x
m-1
层的非线性变换，h1对x0进行bn-relu-conv(1
×
1)非线性运算，然后对结果进行bn-relu-conv(3
×
3)运算，输出x1；将x1和x0拼接成[x0,x1]，将[x0,x1]形成的特征图作为h2的输入进行相同的操作，输出x2；将x2和[x0,x1]拼接成[x0,x1,x2]，将[x0,x1,x2]形成的特征图作为h3的输入，输出x3；将x3和[x0,x1,x2]拼接成[x0,x1,x2,x3]，将[x0,x1,x2,x3]形成的特征图作为h4的输入，输出x4，最终得到26
×
26
×
512和52
×
52
×
256尺寸的特征图并向前传播，因此，对于26
×
26网络层中，x0为26
×
26
×
256，x1为26
×
26
×
320，x2为26
×
26
×
384，x3为26
×
26
×
384，x4为26
×
26
×
512；对于52
×
52网络层中，x0为52
×
52
×
128，x1为52
×
52
×
160，x2为52
×
52
×
224，x3为52
×
52
×
288，x4为52
×
52
×
256。将原yolov3目标检测模型的多尺度检测网络进行改进，得到初始模型的多尺度检测网络，将原yolov3目标检测模型的多尺度检测网络中输出尺度特征图由13
×
13，26
×
26以及52
×
52缩减为13
×
13，26
×
26，即由第一尺度特征图13
×
13和第二尺度特征图26
×
26构建初始模型的多尺度检测网络，具体的，查询原yolov3目标检测模型的多尺度检测网络中52
×
52的输出分支，删除输出层和与52
×
52相关的下采样部分。
[0073]
具体的，将所述目标检测数据集输入所述初始模型的主干特征提取网络，得到第一输出结果的方式可以为：对目标检测数据集中的图像进行标注，并使用dataaugmenter数据集扩充工具精选数据扩充，将标注且扩充后的图像输入至初始模型的主干特征提取网络，得到第一输出结果。
[0074]
具体的，将第一输出结果输入至所述初始模型的多尺度检测网络，得到预测结果的方式可以为：获取第一输出结果后，将第一输出结果作为初始模型的多尺度检测网络的输入，输出多尺度检测后的预测结果。
[0075]
具体的，根据目标检测数据集和预测结果对初始模型进行训练，直至得到第二检测模型的方式可以为：根据目标检测数据集和预测结果对初始模型进行训练，根据每次训练的预测结果调整模型参数，根据调整模型参数后的模型重复训练，直至得到适用于检测到目标对象的第二检测模型。例如可以是，在对初始模型进行训练时，将权重衰减(weight decay)设置为0.0005，将初始学习率(learning rate)设置为0.001，将动量(momentum)设置为0.9，同时，设置初始模型的训练轮次，例如，训练轮次可为50个轮次，根据每次训练的预测结果保留最优权重等模型参数，将训练过程中map(mean average precision，平均精度均值)值最高的模型作为第二检测模型。
[0076]
通过构建初始模型，其中，所述初始模型包括：主干特征提取网络和多尺度检测网络，所述主干特征提取网络包括：至少一个densenet网络和至少一个残差网络，所述多尺度检测网络的特征图由第一尺度特征图和第二尺度特征图组成，所述第一尺度小于尺度阈值，所述第二尺度小于尺度阈值，能够提升主干特征提取网络的特征的多样性，降低参数量，提升模型的精度；同时，多尺度检测网络无需检测距离车辆较远的目标对象，降低模型的计算复杂度和内存占用，进而提升模型的检测速度和内存使用效率，减少误检率。
[0077]
需要说明的是，在将当前车辆的环境图像对应的目标检测模型确定为第一检测模型之前，还需训练测试模型得到第一检测模型。例如可以是，若第一检测模型为hog+svm目标检测模型，将红外相机采集的目标对象图像中白天时间段的图像提取出并进行标注，其
中，含有目标对象的区域标注为正样本，不含有目标对象的区域标注为负样本，使用dataaugmenter数据集扩充工具精选数据扩充，使用hog特征提取方法提取样本集中的目标对象的边缘信息特征向量，将特征向量作为训练数据，通过训练svm分类器来学习如何区分目标对象和非目标对象的样本数据，直至得到hog+svm目标检测模型。
[0078]
需要说明的是，可选的，在得到目标对象检测结果后，生成提示信息，并将提示信息发送至驾驶员，其中，提示信息可为语音信息。在得到目标对象检测结果后，生成提示信息，并将提示信息发送至驾驶员，解决了由于天气气象恶劣且能见度低导致驾驶员视线受阻的问题，能够及时向驾驶员发送提示信息，对驾驶员进行警示，进而避免交通事故发生，保障出行安全。
[0079]
本实施例的技术方案，通过获取当前车辆的环境图像和当前车辆对应的天气信息；根据当前车辆对应的天气信息确定当前车辆的环境图像对应的目标检测模型；将所述环境图像输入对应的目标检测模型中，得到目标对象检测结果，解决了由于深度学习的检测方法需要大量的训练数据和计算资源，对计算硬件要求和计算量的需求极高，且车载环境下需全天实时进行对象检测，导致硬件设备性能降低、数据处理效率低以及对象检测准确率低的问题，能够将环境图像输入至对应的目标检测模型中，得到目标对象检测结果，提升对象检测准确率，提高数据处理效率，进而提升硬件设备性能。
[0080]
实施例二
[0081]
图3是本发明实施例二中的一种对象检测装置的结构示意图。本实施例可适用于检测对象的情况，该装置可采用软件和/或硬件的方式实现，该装置可集成在任何提供对象检测的功能的设备中，如图3所示，所述对象检测装置具体包括：获取模块210、确定模块220和得到模块230。
[0082]
其中，获取模块210，用于获取当前车辆的环境图像和当前车辆对应的天气信息；
[0083]
确定模块220，用于根据当前车辆对应的天气信息确定当前车辆的环境图像对应的目标检测模型；
[0084]
得到模块230，用于将所述环境图像输入对应的目标检测模型中，得到目标对象检测结果。
[0085]
可选的，所述确定模块具体用于：
[0086]
若当前车辆的环境图像对应的时间处于第一时间段且天气信息满足第一条件，则将当前车辆的环境图像对应的目标检测模型确定为第一检测模型；
[0087]
若当前车辆的环境图像对应的时间处于第一时间段且天气信息满足第二条件，或者，当前车辆的环境图像对应的时间处于第二时间段，则将当前车辆的环境图像对应的目标检测模型确定为第二检测模型。
[0088]
可选的，所述确定模块还用于：
[0089]
根据当前车辆对应的天气信息得到日出时间和日落时间；
[0090]
根据日出时间和日落时间确定当前车辆的第一时间段和第二时间段，其中，所述第一时间段的起始时间为当天日出时间，所述第一时间段的结束时间为当天日落时间，所述第二时间段的起始时间为当天日落时间，所述第二时间段的结束时间为次日日出时间。
[0091]
可选的，所述天气信息包括：气象信息和能见度；
[0092]
所述确定模块具体用于：
[0093]
若当前车辆的环境图像对应的时间处于第一时间段，当前车辆对应的气象信息类型为第一气象类型，且能见度大于等于第一阈值，则将当前车辆的环境图像对应的目标检测模型确定为第一检测模型。
[0094]
可选的，所述确定模块具体用于：
[0095]
若当前车辆的环境图像对应的时间处于第一时间段，当前车辆对应的气象信息类型为第二气象类型，且能见度小于第一阈值，则将当前车辆的环境图像对应的目标检测模型确定为第二检测模型。
[0096]
可选的，所述确定模块还用于：
[0097]
采集目标对象图像构建目标检测数据集；
[0098]
构建初始模型，其中，所述初始模型包括：主干特征提取网络和多尺度检测网络，所述主干特征提取网络包括：至少一个densenet网络和至少一个残差网络，所述多尺度检测网络的特征图由第一尺度特征图和第二尺度特征图组成，所述第一尺度小于尺度阈值，所述第二尺度小于尺度阈值；
[0099]
将所述目标检测数据集输入所述初始模型的主干特征提取网络，得到第一输出结果；
[0100]
将第一输出结果输入至所述初始模型的多尺度检测网络，得到预测结果；
[0101]
根据目标检测数据集和预测结果对初始模型进行训练，直至得到第二检测模型。
[0102]
上述产品可执行本发明任意实施例所提供的方法，具备执行方法相应的功能模块和有益效果。
[0103]
实施例三
[0104]
图4是本发明实施例三中的一种电子设备的结构示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。
[0105]
如图4所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(rom)12、随机访问存储器(ram)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(rom)12中的计算机程序或者从存储单元18加载到随机访问存储器(ram)13中的计算机程序，来执行各种适当的动作和处理。在ram13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、rom12以及ram13通过总线14彼此相连。输入/输出(i/o)接口15也连接至总线14。
[0106]
电子设备10中的多个部件连接至i/o接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
[0107]
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(dsp)、以及任何适
当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如对象检测方法。
[0108]
在一些实施例中，对象检测方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由rom12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到ram13并由处理器11执行时，可以执行上文描述的对象检测方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行对象检测方法。
[0109]
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、负载可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
[0110]
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
[0111]
在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
[0112]
为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
[0113]
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部
件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)、区块链网络和互联网。
[0114]
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与vps服务中，存在的管理难度大，业务扩展性弱的缺陷。
[0115]
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。
[0116]
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

技术特征：
1.一种对象检测方法，其特征在于，包括：获取当前车辆的环境图像和当前车辆对应的天气信息；根据当前车辆对应的天气信息确定当前车辆的环境图像对应的目标检测模型；将所述环境图像输入对应的目标检测模型中，得到目标对象检测结果。2.根据权利要求1所述的方法，其特征在于，根据当前车辆对应的天气信息确定当前车辆的环境图像对应的目标检测模型，包括：若当前车辆的环境图像对应的时间处于第一时间段且天气信息满足第一条件，则将当前车辆的环境图像对应的目标检测模型确定为第一检测模型；若当前车辆的环境图像对应的时间处于第一时间段且天气信息满足第二条件，或者，当前车辆的环境图像对应的时间处于第二时间段，则将当前车辆的环境图像对应的目标检测模型确定为第二检测模型。3.根据权利要求2所述的方法，其特征在于，在根据当前车辆对应的天气信息确定当前车辆的环境图像对应的目标检测模型之前，还包括：根据当前车辆对应的天气信息得到日出时间和日落时间；根据日出时间和日落时间确定当前车辆的第一时间段和第二时间段，其中，所述第一时间段的起始时间为当天日出时间，所述第一时间段的结束时间为当天日落时间，所述第二时间段的起始时间为当天日落时间，所述第二时间段的结束时间为次日日出时间。4.根据权利要求2所述的方法，其特征在于，所述天气信息包括：气象信息和能见度；若当前车辆的环境图像对应的时间处于第一时间段且天气信息满足第一条件，则将当前车辆的环境图像对应的目标检测模型确定为第一检测模型，包括：若当前车辆的环境图像对应的时间处于第一时间段，当前车辆对应的气象信息类型为第一气象类型，且能见度大于等于第一阈值，则将当前车辆的环境图像对应的目标检测模型确定为第一检测模型。5.根据权利要求2所述的方法，其特征在于，若当前车辆的环境图像对应的时间处于第一时间段且天气信息满足第二条件，则将当前车辆的环境图像对应的目标检测模型确定为第二检测模型，包括：若当前车辆的环境图像对应的时间处于第一时间段，当前车辆对应的气象信息类型为第二气象类型，且能见度小于第一阈值，则将当前车辆的环境图像对应的目标检测模型确定为第二检测模型。6.根据权利要求2所述的方法，其特征在于，在将当前车辆的环境图像对应的目标检测模型确定为第二检测模型之前，还包括：采集目标对象图像构建目标检测数据集；构建初始模型，其中，所述初始模型包括：主干特征提取网络和多尺度检测网络，所述主干特征提取网络包括：至少一个densenet网络和至少一个残差网络，所述多尺度检测网络的特征图由第一尺度特征图和第二尺度特征图组成，所述第一尺度小于尺度阈值，所述第二尺度小于尺度阈值；将所述目标检测数据集输入所述初始模型的主干特征提取网络，得到第一输出结果；将第一输出结果输入至所述初始模型的多尺度检测网络，得到预测结果；根据目标检测数据集和预测结果对初始模型进行训练，直至得到第二检测模型。
7.一种对象检测装置，其特征在于，包括：获取模块，用于获取当前车辆的环境图像和当前车辆对应的天气信息；确定模块，用于根据当前车辆对应的天气信息确定当前车辆的环境图像对应的目标检测模型；得到模块，用于将所述环境图像输入对应的目标检测模型中，得到目标对象检测结果。8.根据权利要求7所述的装置，其特征在于，所述确定模块具体用于：若当前车辆的环境图像对应的时间处于第一时间段且天气信息满足第一条件，则将当前车辆的环境图像对应的目标检测模型确定为第一检测模型；若当前车辆的环境图像对应的时间处于第一时间段且天气信息满足第二条件，或者，当前车辆的环境图像对应的时间处于第二时间段，则将当前车辆的环境图像对应的目标检测模型确定为第二检测模型。9.一种电子设备，其特征在于，所述电子设备包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-6中任一项所述的对象检测方法。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-6中任一项所述的对象检测方法。

技术总结
本发明公开了一种对象检测方法、装置、设备及存储介质。该方法包括：获取当前车辆的环境图像和当前车辆对应的天气信息；根据当前车辆对应的天气信息确定当前车辆的环境图像对应的目标检测模型；将所述环境图像输入对应的目标检测模型中，得到目标对象检测结果。通过本发明的技术方案，能够将环境图像输入至对应的目标检测模型中，得到目标对象检测结果，提升对象检测准确率，提高数据处理效率，进而提升硬件设备性能。升硬件设备性能。升硬件设备性能。


技术研发人员：聂湘宁
受保护的技术使用者：惠州市德赛西威汽车电子股份有限公司
技术研发日：2023.05.05
技术公布日：2023/8/24