对象位置生成方法、装置、电子设备和计算机可读介质与流程

1.本公开的实施例涉及计算机技术领域，具体涉及对象位置生成方法、装置、电子设备和计算机可读介质。


背景技术：

2.对象位置生成是在复杂场景下跟踪弱小目标的一种技术。目前，对象位置生成采用的方式为：通过目标跟踪算法如贝叶斯滤波提取目标对象的特征，利用度量方法如马氏距离来确定相似性度量，以生成对象位置。
3.然而，当采用上述方式时，经常会存在如下技术问题：
4.第一，随着对越来越多的视频帧进行处理，特征提取不充分，泛化能力较差。
5.第二，对象位置生成过程中可能会出现概率分布网络模型过滤误检信息误差，导致对象位置生成不准确。
6.该背景技术部分中所公开的以上信息仅用于增强对本发明构思的背景的理解，并因此，其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息。


技术实现要素：

7.本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
8.本公开的一些实施例提出了对象位置生成方法、装置、电子设备和计算机可读介质，来解决以上背景技术部分提到的技术问题中的一项或多项。
9.第一方面，本公开的一些实施例提供了一种对象位置生成的方法，该方法包括：获取预设时间段内摄像头拍摄的视频，作为初始视频；将上述初始视频中的每帧图像确定为初始视频帧，得到初始视频帧序列；对于上述初始视频帧序列中的初始视频帧，执行以下处理步骤：响应于确定初始视频帧不是终止初始视频帧，对初始视频帧进行数据增强处理，以生成增强后图像；将增强后图像输入至目标检测网络模型，得到至少一个目标对象检测信息；将增强后图像输入至目标位置概率分布网络模型，得到至少一个目标对象概率分布信息；根据至少一个目标对象检测信息与至少一个目标对象概率分布信息，生成初始视频帧的至少一个目标对象位置信息；根据初始视频帧的至少一个目标对象位置信息，生成初始视频帧的下一初始视频帧中至少一个目标对象位置信息；响应于确定下一初始视频帧是终止初始视频帧，确定下一初始视频帧的至少一个目标对象位置信息为终止初始视频帧的至少一个目标对象位置信息，其中，终止初始视频帧是初始视频帧序列中位于结束帧位置的初始视频帧。
10.第二方面，本公开的一些实施例提供了一种对象位置生成装置，装置包括：获取单元，被配置成获取预设时间段内摄像头拍摄的视频，作为初始视频；确定单元，被配置成将上述初始视频中的每帧图像确定为初始视频帧，得到初始视频帧序列；处理单元，被配置成
对于上述初始视频帧序列中的初始视频帧，执行以下处理步骤：响应于确定初始视频帧不是终止初始视频帧，对初始视频帧进行数据增强处理，以生成增强后图像；将增强后图像输入至目标检测网络模型，得到至少一个目标对象检测信息；将增强后图像输入至目标位置概率分布网络模型，得到至少一个目标对象概率分布信息；根据至少一个目标对象检测信息与至少一个目标对象概率分布信息，生成初始视频帧的至少一个目标对象位置信息；根据初始视频帧的至少一个目标对象位置信息，生成初始视频帧的下一初始视频帧中至少一个目标对象位置信息；响应于确定下一初始视频帧是终止初始视频帧，确定下一初始视频帧的至少一个目标对象位置信息为终止初始视频帧的至少一个目标对象位置信息，其中，终止初始视频帧是初始视频帧序列中位于结束帧位置的初始视频帧。
11.第三方面，本公开的一些实施例提供了一种电子设备，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上述第一方面任一实现方式所描述的方法。
12.第四方面，本公开的一些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，其中，程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。
13.本公开的上述各个实施例中具有如下有益效果：通过本公开的一些实施例的对象位置生成方法，加强了特征提取，提高了泛化能力。具体来说，造成特征提取不充分和泛化能力较差的原因在于：随着对越来越多的视频帧进行处理，特征提取不充分，泛化能力较差。基于此，本公开的一些实施例的对象位置生成方法，首先，获取预设时间段内摄像头拍摄的视频，作为初始视频。由此，可以得到用于后续进行处理的视频。接着，将上述初始视频中的每帧图像确定为初始视频帧，得到初始视频帧序列。由此，可以得到视频的每帧图像。之后，对于上述初始视频帧序列中的初始视频帧，执行以下处理步骤：第一步，响应于确定初始视频帧不是终止初始视频帧，对初始视频帧进行数据增强处理，以生成增强后图像。由此，可以对初始视频帧序列中的初始视频帧进行数据增强处理，使得初始视频帧的特征更加丰富。第二步，将增强后图像输入至目标检测网络模型，得到至少一个目标对象检测信息。由此，可以通过目标检测网络模型对增强后图像进行目标检测，提高了目标对象检测的准确率，从而，得到至少一个目标对象检测信息，加强了特征提取。第三步，将增强后图像输入至目标位置概率分布网络模型，得到至少一个目标对象概率分布信息。由此，可以通过目标位置概率分布网络模型对增强后图像进行概率分布预测，得到增强后图像中的至少一个目标对象的概率分布，从而降低了误检的概率。第四步，根据至少一个目标对象检测信息与至少一个目标对象概率分布信息，生成初始视频帧的至少一个目标对象位置信息。由此，可以将至少一个目标对象检测信息与至少一个目标对象概率分布信息进行结合，从而可以将结合后的信息作为初始视频帧的至少一个目标对象位置信息。第五步，根据初始视频帧的至少一个目标对象位置信息，生成初始视频帧的下一初始视频帧中至少一个目标对象位置信息。由此，可以得到下一帧的至少一个目标对象位置信息。第六步，响应于确定下一初始视频帧是终止初始视频帧，确定下一初始视频帧的至少一个目标对象位置信息为终止初始视频帧的至少一个目标对象位置信息，其中，终止初始视频帧是初始视频帧序列中位于结束帧位置的初始视频帧。由此，加强了特征提取。进而，提高了泛化能力。
附图说明
14.结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。
15.图1是根据本公开的对象位置生成方法的一些实施例的流程图；
16.图2是根据本公开的对象位置生成装置的一些实施例的结构示意图；
17.图3是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
18.下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
19.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。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。
20.需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
21.需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
22.本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
23.下面将参考附图并结合实施例来详细说明本公开。
24.图1是本公开的对象位置生成方法的一些实施例的流程100。该对象位置生成方法，包括以下步骤：
25.步骤101，获取预设时间段内摄像头拍摄的视频，作为初始视频。
26.在一些实施例中，对象位置生成方法的执行主体(例如计算设备)可以通过有线连接或无线连接的方式获取预设时间段内摄像头拍摄的视频，作为初始视频。其中，上述预设时间段可以是指预先设定的时间范围。例如，上述预设时间段可以是2023年6月20日14时00分00秒-2023年6月21日12时00分00秒。其中，上述初始视频可以包括由至少两个视频帧组成的初始视频。例如，初始视频可以是指摄像头拍摄的路段中包括人流、树木、小动物等的视频。需要指出的是，上述无线连接方式可以包括但不限于3g/4g连接、wifi连接、蓝牙连接、wimax连接、zigbee连接、uwb(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。
27.步骤102，将上述初始视频中的每帧图像确定为初始视频帧，得到初始视频帧序列。
28.在一些实施例中，上述执行主体可以将上述初始视频中的每帧图像确定为初始视频帧，得到初始视频帧序列。
29.作为示例，上述执行主体可以将上述初始视频中的每帧图像确定为初始视频帧，将所确定的各个初始视频帧确定为初始视频帧序列。
30.步骤103，对于上述初始视频帧序列中的初始视频帧，执行以下处理步骤：
31.步骤1031，响应于确定初始视频帧不是终止初始视频帧，对初始视频帧进行数据增强处理，以生成增强后图像。
32.在一些实施例中，上述执行主体可以响应于确定初始视频帧不是终止初始视频帧，对初始视频帧进行数据增强处理，以生成增强后图像。这里，上述数据增强处理可以是指图像降噪处理。这里，上述增强后图像是表征针对初始视频帧的图像特征更为明显的图像。
33.步骤1032，将增强后图像输入至目标检测网络模型，得到至少一个目标对象检测信息。
34.在一些实施例中，上述执行主体可以将增强后图像输入至目标检测网络模型，得到至少一个目标对象检测信息。这里，上述目标检测网络模型是用来检测上述增强后图像中的物体的网络模型。上述目标检测网络模型包含候选框提取网络，上述候选框提取网络是用来为上述增强后图像中的物体进行候选框提取的网络，包含至少一个卷积层、至少一个激活函数层和至少一个池化层。这里，上述至少一个目标对象检测信息可以是指检测到的至少一个物体的位置信息。
35.可选的，上述执行主体可以通过以下步骤将上述增强后图像输入至目标检测网络模型，得到至少一个目标对象检测信息：
36.第一步，将上述增强后图像输入至候选框提取网络，得到至少一个候选框信息。这里，上述至少一个候选框信息中的候选框信息可以是指候选框的坐标。
37.第二步，对上述至少一个候选框信息执行以下处理步骤：
38.子步骤一，对上述至少一个候选框信息中的每个候选框信息进行卷积处理，以生成候选偏移量信息，得到候选偏移量信息集。这里，卷积处理可以是指分组卷积。这里，候选偏移量信息可以包括横向偏移量和纵向偏移量。这里，上述横向偏移量可以是指偏移量的横坐标。这里，上述横向偏移量可以是指偏移量的纵坐标。这里，上述偏移量可以用来表征候选框的偏移情况。例如，候选偏移量信息可以是一个二元组(x,y)，其中，x可以是指横向偏移量，y可以是指纵向偏移量。
39.子步骤二，对上述候选偏移量信息集中的每个候选偏移量信息进行边界框回归处理，以生成目标候选偏移量信息，得到目标候选偏移量信息集。这里，上述目标候选偏移量信息可以是指更加接近实际物体的候选框的偏移量信息。
40.作为示例，上述执行主体可以首先，对上述候选偏移量信息集中的每个候选偏移量信息进行位置调整，然后，将位置调整过的候选偏移量信息作为目标候选偏移量信息。
41.子步骤三，根据上述目标候选偏移量信息集包括的每个目标候选偏移量信息，生成对应上述目标候选偏移量信息的目标候选框信息，得到目标候选框信息集。这里，上述目标候选框信息可以是指上述目标候选偏移量信息对应的物体的坐标信息。
42.子步骤四，对上述目标候选框信息集中的每个目标候选框信息进行非极大值抑制，以生成筛选后候选框，得到筛选后候选框集。这里，上述筛选后候选框可以表征由目标候选框信息去除冗余候选框后的候选框。
43.子步骤五，根据上述筛选后候选框集与对应的目标候选偏移量信息集，确定至少一个目标对象检测信息。
44.作为示例，上述执行主体可以首先，将上述筛选后候选框集中的筛选后候选框与对应的目标候选偏移量信息集中的目标候选偏移量信息进行结合，得到结合后的信息，然后，将结合后的信息作为目标对象检测信息，得到至少一个目标对象检测信息。
45.可选的，上述目标检测网络模型可以是通过以下步骤训练得到的：
46.第一步，获取样本集。其中，上述样本集中的样本包括增强后视频帧样本，以及与增强后视频帧样本对应的增强后视频帧样本目标信息。
47.第二步，基于样本集执行以下训练步骤：
48.子步骤一，将样本集中的至少一个样本的增强后视频帧样本输入至初始目标检测网络模型，得到上述至少一个样本中的每个样本对应的增强后视频帧样本预测信息。
49.子步骤二，将上述至少一个样本中的每个样本对应的增强后视频帧样本预测信息与对应的增强后视频帧样本目标信息进行比较。实践中，上述执行主体可以通过交叉熵损失函数进行比较，确定出至少一个样本中的每个样本对应的增强后视频帧样本预测信息与对应的增强后视频帧样本目标信息之间的差距。
50.子步骤三，根据比较结果确定初始目标检测网络模型是否达到预设的优化目标。其中，上述优化目标可以是达到预设的训练轮数或迭代次数。
51.作为示例，上述执行主体可以首先，确定至少一个样本中的每个样本对应的增强后视频帧样本预测信息与对应的增强后视频帧样本目标信息之间的相似度，得到相似度集，然后，将相似度集中的相似度求均值，得到平均相似度，最后，利用平均相似度来表征初始目标检测网络模型是否达到预设的优化目标。
52.子步骤四，响应于确定初始目标检测网络模型达到上述优化目标，将初始目标检测网络模型作为训练完成的目标检测网络模型。
53.第三步，响应于确定初始目标检测网络模型未达到上述优化目标，调整初始目标检测网络模型的网络参数，以及使用未用过的样本组成样本集，使用调整后的初始目标检测网络模型作为初始目标检测网络模型，再次执行上述训练步骤。作为示例，可以采用反向传播算法(back propagation algorithm，bp算法)和梯度下降法(例如小批量梯度下降算法)对上述初始目标检测网络模型的网络参数进行调整。
54.步骤1033，将增强后图像输入至目标位置概率分布网络模型，得到至少一个目标对象概率分布信息。
55.在一些实施例中，上述执行主体可以将增强后图像输入至目标位置概率分布网络模型，得到至少一个目标对象概率分布信息。这里，上述目标位置概率分布网络模型是用来得到上述增强后图像中的物体位置的概率分布的网络模型。上述目标位置概率分布网络模型包括概率预测分布网络和相似度神经网络，其中，上述概率预测分布网络是用来得到物体位置的概率分布，包含输入层、隐含层、求和层和输出层。上述相似度神经网络可以是指孪生神经网络(siamese neural network)。这里，上述至少一个目标对象概率分布信息可以是指检测到的至少一个物体的概率分布值。
56.可选的，上述执行主体可以通过以下步骤将上述增强后图像输入至目标位置概率分布网络模型，得到至少一个目标对象概率分布信息：
57.第一步，将上述增强后图像输入至上述概率预测分布网络，得到针对上述增强后图像的至少一个目标对象的概率分布作为图像概率分布集。这里，上述图像概率分布集中
的图像概率分布是至少一个目标对象的概率分布中的目标对象的概率分布。这里，上述至少一个目标对象的概率分布可以是指至少一个物体的位置概率分布值。例如，上述概率分布可以是指30％。
58.第二步，根据粒子滤波算法对上述增强后图像进行状态估计，得到状态粒子集。这里，上述粒子滤波算法是用来跟踪目标物体的一种算法。这里，上述状态粒子集中的状态粒子可以是指在状态空间传播的样本。这里，上述状态估计可以是指对各个粒子状态进行预测。
59.第三步，将上述状态粒子集输入至概率预测分布网络，得到对应上述状态粒子集的粒子概率集。这里，上述粒子概率集中的粒子概率可以是指各个粒子逼近目标物体的概率分布。
60.第四步，对上述状态粒子集中的每个状态粒子与上述增强后图像进行比较，以生成对应每个状态粒子的差值，得到差值集。这里，上述比较可以是指利用交叉熵损失函数进行比较。这里，上述差值集中的差值可以是指上述增强后图像与每个状态粒子之间的差距。
61.第五步，根据上述差值集，生成对应每个状态粒子的权重，得到权重集。实践中，首先，确定上述差值集的均值，得到平均差值，然后将上述每个状态粒子与平均差值的比值确定为权重，得到权重集。
62.第六步，对于上述状态粒子集中的每个状态粒子，将上述状态粒子对应的权重与上述粒子概率集中的每个粒子概率进行加权求和处理，以生成粒子预测概率，得到粒子预测概率集。这里，上述加权求和处理可以是指将上述状态粒子对应的权重与上述粒子概率集中的每个粒子概率进行相乘后再相加求和。这里，上述粒子预测概率可以表征每个状态粒子的分布概率。
63.第七步，对于上述粒子预测概率集中的每个粒子预测概率，将上述粒子预测概率与上述图像概率分布集中的每个图像概率分布输入至相似度神经网络，得到相似度集作为概率分布分数集。这里，上述概率分布分数集中的概率分布分数可以是指上述粒子预测概率与上述图像概率分布集中的每个图像概率分布之间的差距值。
64.第八步，对上述概率分布分数集进行排序处理，以生成概率分布分数序列。这里，上述排序处理可以是指将上述概率分布分数集进行从小到大排序。这里，上述概率分布分数序列是排序后的概率分布分数序列。
65.第九步，将上述概率分布分数序列中大于预设分数对应的图像概率分布集中的图像概率分布确定为至少一个目标对象概率分布信息。这里，对于预设分数的设定，不作限制。
66.上述第一步-第九步中的相关内容作为本公开的一个发明点，解决了背景技术提及的技术问题二“导致对象位置生成不准确”。导致对象位置生成不准确的因素往往如下：对象位置生成过程中可能会出现概率分布网络模型过滤误检信息误差，导致对象位置生成不准确。如果解决了上述因素，就能达到提高对象位置生成准确率的效果。为了达到这一效果，首先，将上述增强后图像输入至上述概率预测分布网络，得到针对上述增强后图像的至少一个目标对象的概率分布作为图像概率分布集。由此，可以得到通过概率预测分布网络将增强后图像上的至少一个目标对象的概率分布集。接着，根据粒子滤波算法对上述增强后图像进行状态估计，得到状态粒子集。由此，可以得到对应增强后图像的状态粒子集。之
后，将上述状态粒子集输入至概率预测分布网络，得到对应上述状态粒子集的粒子概率集。由此，可以通过概率预测分布网络得到对应状态粒子集的粒子概率集。再接着，对上述状态粒子集中的每个状态粒子与上述增强后图像进行比较，以生成对应每个状态粒子的差值，得到差值集。由此，可以通过对应每个状态粒子的差值降低对象位置生成过程中可能会出现概率分布网络模型过滤误检信息误差的可能性。其次，根据上述差值集，生成对应每个状态粒子的权重，得到权重集。由此，可以得到方便后续操作后续的权重集。再其次，对于上述状态粒子集中的每个状态粒子，将上述状态粒子对应的权重与上述粒子概率集中的每个粒子概率进行加权求和处理，以生成粒子预测概率，得到粒子预测概率集。由此，可以提高对象位置生成准确率。然后，对于上述粒子预测概率集中的每个粒子预测概率，将上述粒子预测概率与上述图像概率分布集中的每个图像概率分布输入至相似度神经网络，得到相似度集作为概率分布分数集。由此，可以得到对应上述粒子预测概率与上述图像概率分布集中的每个图像概率分布的概率分布分数集。接着，对上述概率分布分数集进行排序处理，以生成概率分布分数序列。由此，可以将概率分布分数集进行从小到大排序，得到概率分布分数序列。最后，将上述概率分布分数序列中大于预设分数对应的图像概率分布集中的图像概率分布确定为至少一个目标对象概率分布信息。由此，降低了对象位置生成过程中可能会出现概率分布网络模型过滤误检信息误差的可能性。进而，提高对象位置生成准确率。
67.可选的，上述目标位置概率分布网络模型是通过以下步骤训练得到的：
68.第一步，获取增强后视频帧样本集。这里，获取增强后视频帧样本集是指随机获取增强后视频帧样本集。这里，增强后视频帧样本集中的增强后视频帧样本是指摄像头在预设时间段内拍摄的视频通过增强处理后再分帧得到的视频帧。
69.第二步，从上述增强后视频帧样本集中选择增强后视频帧样本作为增强后视频帧测试样本。其中，增强后视频帧测试样本包括：样本增强后视频帧与对应的目标对象概率分布预测信息标签。这里，上述选择可以是指随机选择。
70.第三步，将上述增强后视频帧测试样本输入至初始目标位置概率分布网络模型中，得到目标对象概率分布预测信息。这里，初始目标位置概率分布网络模型可以是未经模型训练的目标位置概率分布网络模型。
71.第四步，基于预设的分布信息损失函数，确定上述目标对象概率分布预测信息与上述增强后视频帧测试样本包括的目标对象概率分布预测信息标签之间的标签差异值。这里，上述分布信息损失函数可以包括但不限于：均方误差损失函数(mse)、交叉熵损失函数(crossentropy)等等。
72.第五步，响应于上述标签差异值大于等于预设标签阈值，调整上述初始目标位置概率分布网络模型的网络参数。
73.在一些实施例中，上述执行主体可以响应于上述差异值大于等于预设标签阈值，调整上述初始目标位置概率分布网络模型的网络参数。这里，对于预设标签阈值的设定，不作限制。例如，可以对差异值和预设标签阈值求差值，得到损失差值。在此基础上，利用反向传播、随机梯度下降等方法将差异值从模型的最后一层向前传递，以调整每一层的参数。当然根据需要，也可以采用网络冻结(dropout)的方法，对其中的一些层的网络参数保持不变，不进行调整，对此，不做任何限定。
74.第六步，响应于上述标签差异值小于上述预设标签阈值，将上述初始目标位置概
率分布网络模型确定为目标位置概率分布网络模型。
75.在一些实施例中，上述执行主体可以响应于上述标签差异值小于上述预设标签阈值，将上述初始目标位置概率分布网络模型确定为目标位置概率分布网络模型。这里，对于预设标签阈值的设定，不作限制。
76.步骤1034，根据至少一个目标对象检测信息与至少一个目标对象概率分布信息，生成初始视频帧的至少一个目标对象位置信息。
77.在一些实施例中，上述执行主体可以根据至少一个目标对象检测信息与至少一个目标对象概率分布信息，生成初始视频帧的至少一个目标对象位置信息。这里，上述至少一个目标对象位置信息中的目标对象位置信息可以是指物体的坐标信息。
78.作为示例，将至少一个目标对象检测信息与至少一个目标对象概率分布信息进行结合，得到初始视频帧的至少一个目标对象位置信息。
79.步骤1035，根据初始视频帧的至少一个目标对象位置信息，生成初始视频帧的下一初始视频帧中至少一个目标对象位置信息。
80.在一些实施例中，上述执行主体可以根据初始视频帧的至少一个目标对象位置信息，生成初始视频帧的下一初始视频帧中至少一个目标对象位置信息。
81.作为示例，上述执行主体可以将初始视频帧的至少一个目标对象位置信息进行相似度确定，得到相似度值，然后，根据相似度值，预测初始视频帧的下一初始视频帧中的至少一个目标对象位置信息。
82.步骤1036，响应于确定下一初始视频帧是终止初始视频帧，确定下一初始视频帧的至少一个目标对象位置信息为终止初始视频帧的至少一个目标对象位置信息。
83.在一些实施例中，上述执行主体可以响应于确定下一初始视频帧是终止初始视频帧，确定下一初始视频帧的至少一个目标对象位置信息为终止初始视频帧的至少一个目标对象位置信息。其中，终止初始视频帧是初始视频帧序列中位于结束帧位置的初始视频帧。
84.可选的，上述执行主体在步骤103之后，还可以执行以下步骤：
85.第一步，响应于确定下一初始视频帧不是终止初始视频帧，将至少一个目标对象位置信息对应的下一初始视频帧作为初始视频帧，再次执行上述处理步骤。
86.本公开的上述各个实施例中具有如下有益效果：通过本公开的一些实施例的对象位置生成方法，加强了特征提取，提高了泛化能力。具体来说，造成特征提取不充分和泛化能力较差的原因在于：随着对越来越多的视频帧进行处理，特征提取不充分，泛化能力较差。基于此，本公开的一些实施例的对象位置生成方法，首先，获取预设时间段内摄像头拍摄的视频，作为初始视频。由此，可以得到用于后续进行处理的视频。接着，将上述初始视频中的每帧图像确定为初始视频帧，得到初始视频帧序列。由此，可以得到视频的每帧图像。之后，对于上述初始视频帧序列中的初始视频帧，执行以下处理步骤：第一步，响应于确定初始视频帧不是终止初始视频帧，对初始视频帧进行数据增强处理，以生成增强后图像。由此，可以对初始视频帧序列中的初始视频帧进行数据增强处理，使得初始视频帧的特征更加丰富。第二步，将增强后图像输入至目标检测网络模型，得到至少一个目标对象检测信息。由此，可以通过目标检测网络模型对增强后图像进行目标检测，提高了目标对象检测的准确率，得到至少一个目标对象检测信息，加强了特征提取。第三步，将增强后图像输入至目标位置概率分布网络模型，得到至少一个目标对象概率分布信息。由此，可以通过目标位
置概率分布网络模型对增强后图像进行概率分布预测，得到增强后图像中的至少一个目标对象的概率分布，从而降低了误检的概率。第四步，根据至少一个目标对象检测信息与至少一个目标对象概率分布信息，生成初始视频帧的至少一个目标对象位置信息。由此，可以将至少一个目标对象检测信息与至少一个目标对象概率分布信息进行结合，从而可以将结合后的信息作为初始视频帧的至少一个目标对象位置信息。第五步，根据初始视频帧的至少一个目标对象位置信息，生成初始视频帧的下一初始视频帧中至少一个目标对象位置信息。由此，可以得到下一帧的至少一个目标对象位置信息。第六步，响应于确定下一初始视频帧是终止初始视频帧，确定下一初始视频帧的至少一个目标对象位置信息为终止初始视频帧的至少一个目标对象位置信息，其中，终止初始视频帧是初始视频帧序列中位于结束帧位置的初始视频帧。由此，加强了特征提取。进而，提高了泛化能力。
87.进一步参考图2，作为对上述各图所示方法的实现，本公开提供了对象位置生成方法的一些实施例，这些装置实施例与图1所示的那些方法实施例相对应，该装置具体可以应用于各种电子设备中。
88.如图2所示，一些实施例的基于算子的图像检测装置200包括：获取单元201、确定单元202和处理单元203。其中，获取单元201，被配置成获取预设时间段内摄像头拍摄的视频，作为初始视频；确定单元202，被配置成将上述初始视频中的每帧图像确定为初始视频帧，得到初始视频帧序列；处理单元203，被配置成对于上述初始视频帧序列中的初始视频帧，执行以下处理步骤：响应于确定初始视频帧不是终止初始视频帧，对初始视频帧进行数据增强处理，以生成增强后图像；将增强后图像输入至目标检测网络模型，得到至少一个目标对象检测信息；将增强后图像输入至目标位置概率分布网络模型，得到至少一个目标对象概率分布信息；根据至少一个目标对象检测信息与至少一个目标对象概率分布信息，生成初始视频帧的至少一个目标对象位置信息；根据初始视频帧的至少一个目标对象位置信息，生成初始视频帧的下一初始视频帧中至少一个目标对象位置信息；响应于确定下一初始视频帧是终止初始视频帧，确定下一初始视频帧的至少一个目标对象位置信息为终止初始视频帧的至少一个目标对象位置信息，其中，终止初始视频帧是初始视频帧序列中位于结束帧位置的初始视频帧。
89.可以理解的是，该装置200中记载的诸单元与参考图1描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置200及其中包含的单元，在此不再赘述。
90.下面参考图3，其示出了适于用来实现本公开的一些实施例的电子设备(如计算设备)300的结构示意图。图3示出的电子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。
91.如图3所示，电子设备300可以包括处理装置(例如中央处理器、图形处理器等)301，其可以根据存储在只读存储器(rom)302中的程序或者从存储装置308加载到随机访问存储器(ram)304中的程序而执行各种适当的动作和处理。在ram 303中，还存储有电子设备300操作所需的各种程序和数据。处理装置301、rom 302以及ram 304通过总线304彼此相连。输入/输出(i/o)接口305也连接至总线304。
92.通常，以下装置可以连接至i/o接口305：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306；包括例如液晶显示器(lcd)、扬声器、振
动器等的输出装置307；包括例如磁带、硬盘等的存储装置308；以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备300，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3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。
93.特别地，根据本公开的一些实施例，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，本公开的一些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行流程图所示的方法的程序代码。在这样的一些实施例中，该计算机程序可以通过通信装置309从网络上被下载和安装，或者从存储装置308被安装，或者从rom 302被安装。在该计算机程序被处理装置301执行时，执行本公开的一些实施例的方法中限定的功能。
94.需要说明的是，本公开的一些实施例中记载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、或者的任意合适的组合。在本公开的一些实施例中，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。而在本公开的一些实施例中，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，或者的任意合适的组合。
95.在一些实施方式中，客户端、服务器可以利用诸如http(hypertext transfer protocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“lan”)，广域网(“wan”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
96.上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。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电子设备执行时，使得该电子设备：获取预设时间段内摄像头拍摄的视频，作为初始视频；将上述初始视频中的每帧图像确定为初始视频帧，得到初始视频帧序列；对于上述初始视频帧序列中的初始视频帧，执行以下处理步骤：响应于确定初始视频帧不是终止初始视频帧，对初始视频帧进行数据增强处理，以生成增强后图像；将增强后图像输入至目标检测网络模型，得到至少一个目标对象检测信息；将增强后图像输入至目标位置概率分布网络模型，得到至少一个目标对象概率分布信息；根据至少一个目标对象检测信息与至
少一个目标对象概率分布信息，生成初始视频帧的至少一个目标对象位置信息；根据初始视频帧的至少一个目标对象位置信息，生成初始视频帧的下一初始视频帧中至少一个目标对象位置信息；响应于确定下一初始视频帧是终止初始视频帧，确定下一初始视频帧的至少一个目标对象位置信息为终止初始视频帧的至少一个目标对象位置信息，其中，终止初始视频帧是初始视频帧序列中位于结束帧位置的初始视频帧。
97.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一些实施例的操作的计算机程序代码，上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)。
98.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，方框中上标注的功能也可以以不同于附图中上标注的顺序发生。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，这依上涉及的功能而定。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。
99.描述于本公开的一些实施例中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。以上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、确定单元和处理单元。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“获取预设时间段内摄像头拍摄的视频，作为初始视频的单元”。
100.本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、片上系统(soc)、复杂可编程逻辑设备(cpld)等等。
101.以上描述仅为本公开的一些较佳实施例以及对上运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中上涉及的发明范围，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。

技术特征：
1.一种对象位置生成方法，包括：获取预设时间段内摄像头拍摄的视频，作为初始视频；将所述初始视频中的每帧图像确定为初始视频帧，得到初始视频帧序列；对于所述初始视频帧序列中的初始视频帧，执行以下处理步骤：响应于确定初始视频帧不是终止初始视频帧，对初始视频帧进行数据增强处理，以生成增强后图像；将增强后图像输入至目标检测网络模型，得到至少一个目标对象检测信息；将增强后图像输入至目标位置概率分布网络模型，得到至少一个目标对象概率分布信息；根据至少一个目标对象检测信息与至少一个目标对象概率分布信息，生成初始视频帧的至少一个目标对象位置信息；根据初始视频帧的至少一个目标对象位置信息，生成初始视频帧的下一初始视频帧中至少一个目标对象位置信息；响应于确定下一初始视频帧是终止初始视频帧，确定下一初始视频帧的至少一个目标对象位置信息为终止初始视频帧的至少一个目标对象位置信息，其中，终止初始视频帧是初始视频帧序列中位于结束帧位置的初始视频帧。2.根据权利要求1所述的方法，其中，所述方法还包括：响应于确定下一初始视频帧不是终止初始视频帧，将至少一个目标对象位置信息对应的下一初始视频帧作为初始视频帧，再次执行所述处理步骤。3.根据权利要求1所述的方法，其中，所述目标检测网络模型是通过以下步骤训练得到的：获取样本集，其中，所述样本集中的样本包括增强后视频帧样本，以及与增强后视频帧样本对应的增强后视频帧样本目标信息；基于样本集执行以下训练步骤：将样本集中的至少一个样本的增强后视频帧样本输入至初始目标检测网络模型，得到所述至少一个样本中的每个样本对应的增强后视频帧样本预测信息；将所述至少一个样本中的每个样本对应的增强后视频帧样本预测信息与对应的增强后视频帧样本目标信息进行比较；根据比较结果确定初始目标检测网络模型是否达到预设的优化目标；响应于确定初始目标检测网络模型达到所述优化目标，将初始目标检测网络模型作为训练完成的目标检测网络模型；响应于确定初始目标检测网络模型未达到所述优化目标，调整初始目标检测网络模型的网络参数，以及使用未用过的样本组成样本集，使用调整后的初始目标检测网络模型作为初始目标检测网络模型，再次执行所述训练步骤。4.根据权利要求1所述的方法，其中，所述目标位置概率分布网络模型是通过以下步骤训练得到的：获取增强后视频帧样本集；从所述增强后视频帧样本集中选择增强后视频帧样本作为增强后视频帧测试样本，其中，增强后视频帧测试样本包括：样本增强后视频帧与对应的目标对象概率分布预测信息
标签；将所述增强后视频帧测试样本输入至初始目标位置概率分布网络模型中，得到目标对象概率分布预测信息；基于预设的分布信息损失函数，确定所述目标对象概率分布预测信息与所述增强后视频帧测试样本包括的目标对象概率分布预测信息标签之间的标签差异值；响应于所述标签差异值大于等于预设标签阈值，调整所述初始目标位置概率分布网络模型的网络参数。5.根据权利要求4所述的方法，其中，所述方法还包括：响应于所述标签差异值小于所述预设标签阈值，将所述初始目标位置概率分布网络模型确定为目标位置概率分布网络模型。6.根据权利要求1所述的方法，其中，所述目标检测网络模型包括：候选框提取网络；以及所述将所述增强后图像输入至目标检测网络模型，得到至少一个目标对象检测信息，包括：将所述增强后图像输入至候选框提取网络，得到至少一个候选框信息；对所述至少一个候选框信息执行以下处理步骤：对所述至少一个候选框信息中的每个候选框信息进行卷积处理，以生成候选偏移量信息，得到候选偏移量信息集；对所述候选偏移量信息集中的每个候选偏移量信息进行边界框回归处理，以生成目标候选偏移量信息，得到目标候选偏移量信息集；根据所述目标候选偏移量信息集包括的每个目标候选偏移量信息，生成对应所述目标候选偏移量信息的目标候选框信息，得到目标候选框信息集；对所述目标候选框信息集中的每个目标候选框信息进行非极大值抑制，以生成筛选后候选框，得到筛选后候选框集；根据所述筛选后候选框集与对应的目标候选偏移量信息集，确定至少一个目标对象检测信息。7.一种对象位置生成装置，包括：获取单元，被配置成获取预设时间段内摄像头拍摄的视频，作为初始视频；确定单元，被配置成将所述初始视频中的每帧图像确定为初始视频帧，得到初始视频帧序列；处理单元，被配置成对于所述初始视频帧序列中的初始视频帧，执行以下处理步骤：响应于确定初始视频帧不是终止初始视频帧，对初始视频帧进行数据增强处理，以生成增强后图像；将增强后图像输入至目标检测网络模型，得到至少一个目标对象检测信息；将增强后图像输入至目标位置概率分布网络模型，得到至少一个目标对象概率分布信息；根据至少一个目标对象检测信息与至少一个目标对象概率分布信息，生成初始视频帧的至少一个目标对象位置信息；根据初始视频帧的至少一个目标对象位置信息，生成初始视频帧的下一初始视频帧中至少一个目标对象位置信息；响应于确定下一初始视频帧是终止初始视频帧，确定下一初始视频帧的至少一个目标对象位置信息为终止初始视频帧的至少一个目标对象位置信息，其中，终止初始视频帧是初始视频帧序列中位于结束帧位置的初始视频帧。
8.一种电子设备，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至6中任一所述的方法。9.一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1至6中任一所述的方法。

技术总结
本公开的实施例公开了对象位置生成方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括：获取预设时间段内摄像头拍摄的视频，作为初始视频；将初始视频中的每帧图像确定为初始视频帧，得到初始视频帧序列；对于初始视频帧序列中的初始视频帧，执行以下处理步骤：响应于确定初始视频帧不是终止初始视频帧，对初始视频帧进行数据增强处理，以生成增强后图像；响应于确定下一初始视频帧是终止初始视频帧，确定下一初始视频帧的至少一个目标对象位置信息为终止初始视频帧的至少一个目标对象位置信息。该实施方式实现了对象位置生成，加强了特征提取，提高了泛化能力。提高了泛化能力。提高了泛化能力。


技术研发人员：张韵东 隋红丽 王天雷 刘小涛
受保护的技术使用者：北京中星天视科技有限公司
技术研发日：2023.06.27
技术公布日：2023/10/15