1.本技术涉及计算机技术领域，具体而言，涉及一种基于图像的对象侦测方法、装置、设备和存储介质。
背景技术：2.天网工程是指为满足城市治安防控和城市管理需要，利用gis地图、图像采集、传输、控制、显示等设备和控制软件组成，对固定区域进行实时监控和信息记录的视频监控系统。天网工程通过在交通要道、治安卡口、公共聚集场所、宾馆、学校、医院以及治安复杂场所安装视频监控设备，利用视频专网、互联网、移动等网络把一定区域内所有视频监控点图像传播到监控中心（即“天网工程”管理平台），对各类图像信息分类，为强化城市综合管理预防危险提供可靠的影像资料。
3.相关部门通过监控平台，可以对城市各街道辖区的主要道路、重点单位、热点部位进行24小时监控，可有效消除治安隐患。
4.但是现有的天网工程更多是在被动记录，而不能进行针对一些特定对象进行针对性的侦测，现在动态跟踪还是往往根据监控管理人员的自身的经验，不但侦测效率较低，而且往往无法有效配合实时的行动。
技术实现要素：5.本技术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。本技术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。
6.本技术的一些实施例提出了基于图像的对象侦测方法、装置、电子设备和计算机存储介质，来解决以上背景技术部分提到的技术问题。
7.作为本技术的第一方面，本技术的一些实施例提供了一种基于图像的对象侦测方法，包括：接收来自用户终端的侦测请求信号，解析侦测请求信号以获取侦测请求信号中的原始图像和定位数据；将原始图像输入至一个目标识别模型以使目标识别模型输出具有目标检测框的标记图像和目标检测框的目标类型；将标记图像发送至用户终端并请求用户终端反馈对目标检测框的选择；响应于用户终端反馈的对目标检测框的选择，根据被选择的目标检测框生成目标图像；根据定位数据和目标图像的目标类型，选定进行对象侦测的若干监控终端并向监控终端发出图像请求信号；接收监控终端反馈的监控图像并输入至一个对象识别模型以使对象识别模型输出监控图像中是否存在目标图像所指向的对象的判断结果。
8.作为本技术的第二方面，本技术的一些实施例提供了一种基于图像的对象侦测装置，包括：解析模块，用于接收来自用户终端的侦测请求信号，解析侦测请求信号以获取侦测请求信号中的原始图像和定位数据；输出模块，用于将原始图像输入至一个目标识别模型以使目标识别模型输出具有目标检测框的标记图像和目标检测框的目标类型；请求模
块，用于将标记图像发送至用户终端并请求用户终端反馈对目标检测框的选择；生成模块，用于响应于用户终端反馈的对目标检测框的选择，根据被选择的目标检测框生成目标图像；选定模块，用于根据定位数据和目标图像的目标类型，选定进行对象侦测的若干监控终端并向监控终端发出图像请求信号；判断模块，用于接收监控终端反馈的监控图像并输入至一个对象识别模型以使对象识别模型输出监控图像中是否存在目标图像所指向的对象的判断结果。
9.作为本技术的第三方面，本技术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。
10.作为本技术的第四方面，本技术的一些实施例提供了一种计算机存储介质，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。
11.本技术的有益效果在于：通过对用户终端的发送图像的识别从而根据识别出的目标图像自动选定一定范围的监控终端进行对象侦测，提高了侦测的效率和准确度。
附图说明
12.构成本技术的一部分的附图用来提供对本技术的进一步理解，使得本技术的其它特征、目的和优点变得更明显。本技术的示意性实施例附图及其说明用于解释本技术，并不构成对本技术的不当限定。
13.另外，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。
14.在附图中：图1是本技术的一些实施例的基于图像的对象侦测方法的应用场景的示意图；图2是根据本技术一种实施例的基于图像的对象侦测方法的流程图；图3是根据本技术一种实施例的基于图像的对象侦测方法的一部分步骤的流程图；图4是根据本技术一种实施例的基于图像的对象侦测方法的另一部分步骤的流程图；图5是根据本技术一种实施例的基于图像的对象侦测装置的结构图；图6是根据本技术一种实施例的电子设备的结构示意图。
15.图中附图标记的含义：侦测系统100，用户终端101，检测终端102，服务器103。
具体实施方式
16.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。
17.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。
18.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。
19.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”。
20.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。
21.下面将参考附图并结合实施例来详细说明本公开。
22.参照图1所示，侦测系统包括：用户终端、监控终端和服务器。其中，用户终端可以被构造为智能手机，用户终端的用户可以通过拍摄照片的方式发出侦测对象的请求，监控终端可以包括天网系统中的监控设备，也可以包括各种场合中具有访问权限的监控设备。
23.参照图2所示，本技术的一个实施例的基于图像的对象侦测方法，包括如下步骤：s1：接收来自用户终端的侦测请求信号，解析侦测请求信号以获取侦测请求信号中的原始图像和定位数据。
24.s2：将原始图像输入至一个目标识别模型以使目标识别模型输出具有目标检测框的标记图像和目标检测框的目标类型。
25.s3：将标记图像发送至用户终端并请求用户终端反馈对目标检测框的选择。
26.s4：响应于用户终端反馈的对目标检测框的选择，根据被选择的目标检测框生成目标图像。
27.s5：根据定位数据和目标图像的目标类型，选定进行对象侦测的若干监控终端并向监控终端发出图像请求信号。
28.s6：接收监控终端反馈的监控图像并输入至一个对象识别模型以使对象识别模型输出监控图像中是否存在目标图像所指向的对象的判断结果。
29.具体而言，目标识别模型为一个卷积神经网络，对象识别模型也为一个卷积神经网络。
30.作为具体方案，如图3所示，步骤s2还包括如下具体步骤：s21：生成目标检测框。
31.s22：为每个目标检测框匹配目标类型以及对应的置信度。
32.s23：判断每个目标检测框的目标类型的置信度是否大于等于预设置信阈值，如果是则在标记图像中显示对应的目标检测框；如果否则在标记图像中不显示对应的目标检测框。
33.s24：判断标记图像中是否存在目标检测框，如果是则输出标记图像，如果否则转回提取侦测请求信号中另一张原始图像。
34.作为具体方案，用户终端可以拍摄多张图像包含在侦测请求信号中，从而在目标识别模型无法识别时，再识别另一张图像。
35.作为优选方案，为了实现识别功能，需要对目标识别模型进行训练，具体而言包括如下步骤：收集目标检测训练数据并以目标检测训练数据训练目标识别模型；目标识别模型输入数据为原始图片，目标识别模型的输出数据为具有目标检测框的目标图像和目标图
像中每个目标检测框的位置坐标和对应的目标类型。生成检测框以及图像分派的卷积神经网络模型本身为本领域技术人员所熟知的现有技术，在此不加赘述。
36.作为具体方案，如图4所示，步骤s5具体包括如下步骤：s51：根据监控终端所采集的历史图像和从历史图像识别出的目标数据对多个监控终端进行聚类处理从而形成若干监控终端分组。
37.s52：根据定位数据和目标图像的目标类型选定最接近的一个监控终端所在的监控终端分组。
38.s53：根据定位数据和目标图像的目标类型设定一个以最接近的监控终端为圆心的侦测区域。
39.s54：选定侦测区域内所有的监控终端分组内的多个监控终端，向这些选定的多个监控终端发送图像请求信号。
40.更具体而言，步骤s51中，使监控终端定时采集图像，然后通过以上目标识别模型处理，获取图像中的检测框和检测框中的物体类型，然后再将检测框中图像输入至对象识别模型进行识别，如果一个物体即出现在a监控终端，又出现在b监控终端，则给该物体一个唯一的目标编号，同时标记该目标的目标类型，比如车辆、人、动物等，然后，对应每个监控终端汇总其出现的目标编号，根据每个监控终端所具有的目标编号的相似程度进行聚类计算，聚类后属于一类的监控终端形成一个监控分组。
41.更具体而言，步骤s52是为了根据用户终端采集图像的位置最快获得最近的监控设备，如果这个监控设备没有采集到的所需的对象图像，则依次历尽下一个最接近的监控设备。目标图像类型有助于确定摄像头种类，比如室内摄像头不可能采集到车辆图像。步骤s53是为了限制侦测区域，从而节约系统资源。
42.参照图6所示，本技术的一个实施例的基于图像的对象侦测装置，包括：解析模块，用于接收来自用户终端的侦测请求信号，解析侦测请求信号以获取侦测请求信号中的原始图像和定位数据；输出模块，用于将原始图像输入至一个目标识别模型以使目标识别模型输出具有目标检测框的标记图像和目标检测框的目标类型；请求模块，用于将标记图像发送至用户终端并请求用户终端反馈对目标检测框的选择；生成模块，用于响应于用户终端反馈的对目标检测框的选择，根据被选择的目标检测框生成目标图像；选定模块，用于根据定位数据和目标图像的目标类型，选定进行对象侦测的若干监控终端并向监控终端发出图像请求信号；判断模块，用于接收监控终端反馈的监控图像并输入至一个对象识别模型以使对象识别模型输出监控图像中是否存在目标图像所指向的对象的判断结果。
43.参照图5所示，电子设备800可以包括处理装置(例如中央处理器、图形处理器等)801，其可以根 据存储在只读存储器(rom)802中的程序或者从存储装置808加载到随机访问存储器(ram)803中的程序 而执行各种适当的动作和处理。在ram803中，还存储有电子设备800操作所需的各种程序和数据。处 理装置801、rom802以及ram803通过总线804彼此相连。输入/输出(i/o)接口805也连接至总线804。
44.通常，以下装置可以连接至i/o接口805：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806：包括例如液晶显示器(lcd)、扬声器、振动器等的输出装置807；包括例如磁带、硬盘等的存储装置808：以及通信装置809。通信装置809可以允许电子设备800与其他设备进行无线或有线通信以交换数据。虽然图8示出了具
有各种装置的电子设备800，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8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。
45.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存储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809从网络上被下载和安装，或者从存储装置808被安装，或者从rom802被安装。在该计算机程序被处理装置801执行时，执行本公开的一些实施例的方法中限定的上述功能。
46.需要说明的是，本公开的一些实施例上述的计算机存储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。
47.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、光信号或上述的任意合适的组合。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存储介质，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。计算机存储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。
48.在一些实施方式中，客户端、服务器可以利用诸如http(hyper text 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。
49.上述计算机存储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。上述计算机存储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：接收来自用户终端的侦测请求信号，解析侦测请求信号以获取侦测请求信号中的原始图像和定位数据；将原始图像输入至一个目标识别模型以使目标识别模型输出具有目标检测框的标记图像和目标检测框的目标类型；将标记图像发送至用户终端并请求用户终端反馈对目标检测框的选择；响应于用户终端反馈的对目标检测框的选择，根据被选择的目标检测框生成目标图像；根据定位数据和目标图像的目标类型，选定进行对象侦测的若干监控终端并向监控终端发出图像请求信号；接收监控终端反馈的监控图像并输入至一个对象识别模型以使对象识别模型输出监控图像中是
否存在目标图像所指向的对象的判断结果。
50.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)。
51.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。
52.也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。
53.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。
54.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。所描述的单元也可以设置在处理器中，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。
55.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。
56.以上描述仅为本公开的一些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。
技术特征：1.一种基于图像的对象侦测方法，包括：接收来自用户终端的侦测请求信号，解析所述侦测请求信号以获取所述侦测请求信号中的原始图像和定位数据；将所述原始图像输入至一个目标识别模型以使所述目标识别模型输出具有目标检测框的标记图像和所述目标检测框的目标类型；将所述标记图像发送至所述用户终端并请求所述用户终端反馈对所述目标检测框的选择；响应于所述用户终端反馈的对所述目标检测框的选择，根据被选择的所述目标检测框生成目标图像；根据所述定位数据和所述目标图像的目标类型，选定进行对象侦测的若干监控终端并向所述监控终端发出图像请求信号；接收所述监控终端反馈的监控图像并输入至一个对象识别模型以使所述对象识别模型输出所述监控图像中是否存在所述目标图像所指向的对象的判断结果。2.根据权利要求1所述的基于图像的对象侦测方法，其中，所述将所述原始图像输入至一个目标识别模型以使所述目标识别模型输出具有目标检测框的标记图像和所述目标检测框的目标类型，包括：生成所述目标检测框；为每个所述目标检测框匹配目标类型以及对应的置信度；判断每个所述目标检测框的目标类型的置信度是否大于等于预设置信阈值，如果是则在所述标记图像中显示对应的所述目标检测框；如果否则在所述标记图像中不显示对应的所述目标检测框。3.根据权利要求2所述的基于图像的对象侦测方法，其中，所述将所述原始图像输入至一个目标识别模型以使所述目标识别模型输出具有目标检测框的标记图像和所述目标检测框的目标类型，包括：判断所述标记图像中是否存在所述目标检测框，如果是则输出所述标记图像，如果否则转回提取所述侦测请求信号中另一张所述原始图像。4.根据权利要求3所述的基于图像的对象侦测方法，其中，所述将所述原始图像输入至一个目标识别模型以使所述目标识别模型输出具有目标检测框的标记图像和所述目标检测框的目标类型，包括：收集目标检测训练数据并以所述目标检测训练数据训练所述目标识别模型；所述目标识别模型输入数据为原始图片，所述目标识别模型的输出数据为具有所述目标检测框的目标图像和所述目标图像中每个所述目标检测框的位置坐标和对应的目标类型。5.根据权利要求4所述的基于图像的对象侦测方法，其中，所述根据所述定位数据和所述目标图像的目标类型，选定进行对象侦测的若干监控终端并向所述监控终端发出图像请求信号，包括：根据所述监控终端所采集的历史图像和从所述历史图像识别出的目标数据对多个所述监控终端进行聚类处理从而形成若干监控终端分组。6.根据权利要求5所述的基于图像的对象侦测方法，其中，所述根据所述定位数据和所
述目标图像的目标类型，选定进行对象侦测的若干监控终端并向所述监控终端发出图像请求信号，包括：根据所述定位数据和所述目标图像的目标类型选定最接近的一个所述监控终端所在的所述监控终端分组。7.根据权利要求6所述的基于图像的对象侦测方法，其中，所述根据所述定位数据和所述目标图像的目标类型，选定进行对象侦测的若干监控终端并向所述监控终端发出图像请求信号，包括：根据所述定位数据和所述目标图像的目标类型设定一个以最接近的所述监控终端为圆心的侦测区域；选定所述侦测区域内所有的所述监控终端分组内的多个所述监控终端，向这些选定的多个所述监控终端发送所述图像请求信号。8.一种基于图像的对象侦测装置，包括：解析模块，用于接收来自用户终端的侦测请求信号，解析所述侦测请求信号以获取所述侦测请求信号中的原始图像和定位数据；输出模块，用于将所述原始图像输入至一个目标识别模型以使所述目标识别模型输出具有目标检测框的标记图像和所述目标检测框的目标类型；请求模块，用于将所述标记图像发送至所述用户终端并请求所述用户终端反馈对所述目标检测框的选择；生成模块，用于响应于所述用户终端反馈的对所述目标检测框的选择，根据被选择的所述目标检测框生成目标图像；选定模块，用于根据所述定位数据和所述目标图像的目标类型，选定进行对象侦测的若干监控终端并向所述监控终端发出图像请求信号；判断模块，用于接收所述监控终端反馈的监控图像并输入至一个对象识别模型以使所述对象识别模型输出所述监控图像中是否存在所述目标图像所指向的对象的判断结果。9.一种电子设备，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，使得所述处理器实现如权利要求1至7任意一项所述的方法。10.一种计算机存储介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1至7任意一项所述的方法。
技术总结本申请公开了一种基于图像的对象侦测方法、装置、设备和存储介质，其中，方法包括：接收来自用户终端的侦测请求信号，解析侦测请求信号以获取侦测请求信号中的原始图像和定位数据；将原始图像输入至一个目标识别模型；将标记图像发送至用户终端并请求用户终端反馈对目标检测框的选择；根据被选择的目标检测框生成目标图像；根据定位数据和目标图像的目标类型，选定进行对象侦测的若干监控终端并发出图像请求信号；使对象识别模型输出监控图像中是否存在目标图像所指向的对象的判断结果。本申请的有益之处在于通过对用户终端的发送图像的识别从而根据识别出的目标图像自动选定一定范围的监控终端进行对象侦测，提高了侦测的效率和准确度。效率和准确度。效率和准确度。
技术研发人员：邵为中 邵世雷 刘松
受保护的技术使用者：南京西三艾电子系统工程有限公司
技术研发日：2022.03.18
技术公布日：2022/7/5
