(19)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 202210372890.3 (22)申请日 2022.04.07 (71)申请人 国网四川省电力公司营销服 务中心 地址 610000 四川省成 都市武侯区人民南 路四段50号1楼 (72)发明人 何培东　黎小军　涂娅欣　王晨丞　 李显忠　张福州　张嘉岷　沈文琪　 邓舒予　肖丽　宗超　刘丽娜　 辜琳娜　 (74)专利代理 机构 成都行之专利代理事务所 (普通合伙) 51220 专利代理师 王鹏程 (51)Int.Cl. G06V 10/40(2022.01) G06V 10/762(2022.01)G06V 10/22(2022.01) G06K 9/62(2022.01) (54)发明名称 一种用于目标检测的非极大值抑制加速方 法、 系统和设备 (57)摘要 本发明公开了一种用于目标检测的非极大 值抑制加速方法、 系统和设备， 涉及图像识别技 术领域， 解决现有的非极大值抑制算法在候选边 界框(候选框)数量较多的时候， 算法耗时较多， 影响算法整体收敛速度， 其技术方案要点是： 获 取包含检测目标的目标图像， 对目标图像进行特 征提取， 获得特征图， 其中， 特征图包括多个第一 候选框； 采用聚类算法对特征图的多个第一候选 框的中心点进行聚类处理， 获得多组第一候选 框； 采用非极大值抑制算法同时去除多组第一候 选框中冗余的第一候选框， 获得第二候选框； 采 用回归算法对第二候选框进行回归处理， 获得检 测目标的位置及类别信息。 本发 明提升了现有非 极大值抑制算法的收敛速度， 降低了算法的耗 时。 权利要求书2页 说明书6页 附图4页 CN 114693943 A 2022.07.01 CN 114693943 A 1.一种用于目标检测的非极大值抑制加速方法， 其特 征在于， 包括： 获取包含检测目标的目标图像， 对目标图像进行特征提取， 获得特征图， 其中， 特征图 包括多个第一 候选框； 采用聚类算法对特征图的多个第 一候选框的中心点进行聚类处理， 获得多组第 一候选 框； 采用非极大值抑制算法同时去除多组第 一候选框中冗余的第 一候选框， 获得第 二候选 框； 采用回归算法对第二 候选框进行回归处 理， 获得检测目标的位置及类别 信息。 2.根据权利要求1所述的一种用于目标检测的非极大值抑制加速方法， 其特征在于， 对 目标图像进行 特征提取， 获得 特征图， 具体为： 采用深度学习模型提取待检测目标的层次化特征， 得到包含多个第一候选框的特征 图， 其中， 第一候选框输出形式为(x,y,a,b)， (x,y)表示第一候选框的左上角坐标， a， b分别 表示第一 候选框的长和宽 。 3.根据权利要求2所述的一种用于目标检测的非极大值抑制加速方法， 其特征在于， 根 据第一候选框的左上角坐标和 第一候选框的长和宽计算第一候选框的中心 点坐标， 其计算 式为 4.根据权利要求3所述的一种用于目标检测的非极大值抑制加速方法， 其特征在于， 采 用均值漂移聚类算法对第一 候选框的中心点 坐标进行聚类。 5.根据权利要求4所述的一种用于目标检测的非极大值抑制加速方法， 其特征在于， 根 据第一候选框的长和宽计算均值漂移聚类算法滑动窗口 的半径。 6.根据权利要求5所述的一种用于目标检测的非极大值抑制加速方法， 其特征在于， 均 值漂移聚类算法滑动窗口 的半径的计算式为： 其中， r表示均值漂移聚类算法滑动窗口 的半径。 7.根据权利要求1所述的一种用于目标检测的非极大值抑制加速方法， 其特征在于， 采 用非极大值抑制算法同时去除多组第一候选框中冗余的第一候选框， 获得第二候选框， 具 体包括： 步骤一， 根据多个第一候选框生成多组第一边界框集合， 根据置信度对每组第一边界 框集合中的第一 候选框进行降序排序， 获得降序排序信息； 步骤二， 从降序排序信息中选择置信度最高的第一候选框， 将置信度最高的第一候选 框放入对应的第二边界框集合中， 同时在第一边界框集合中置信度最高的第一候选框， 其 中， 第二边界框集 合的数量与第一 边界框集 合的数量相等， 且一 一对应； 步骤三， 分别遍历多个第一边界框集合中的每个第一候选框， 计算多个第一边界框集 合中的每个第一候选框与放入第二边界框集合中的第一候选框的CIoU值， 若CIoU值大于 CIoU阈值， 则将该第一 候选框从第一 边界框集 合中删除； 步骤四， 重复执行步骤二至步骤三， 直至第一边界框集合为空， 返回第二边界框集合， 其中， 第二 边界框集 合包括多个第二 候选框。权　利　要　求　书 1/2 页 2 CN 114693943 A 28.根据权利要求7所述的一种用于目标检测的非极大值抑制加速方法， 其特征在于， 采 用回归算法对第二 候选框进行回归处 理， 获得检测目标的位置及类别 信息， 具体为： 分别对第二边界框集合中的第 二候选框采用回归算法， 获得检测目标的位置及类别信 息。 9.一种用于目标检测的非极大值抑制加速系统， 其特 征在于， 包括： 特征提取单元， 用于获取包含检测目标的目标图像， 对目标图像进行特征提取， 获得特 征图， 其中， 特 征图包括多个第一 候选框； 聚类分组单元， 用于采用聚类算法对特征图的多个第一候选框的中心点进行聚类处 理， 获得多组第一 候选框； 去重单元， 用于采用非极大值抑制算法同时去除多组第一候选框中冗余的第一候选 框， 获得第二 候选框； 处理单元， 用于采用回归算法对第二候选框进行回归处理， 获得检测目标的位置及类 别信息。 10.一种电子设备， 其特征在于， 包括： 处理器、 通信接口、 存储器和通信总线， 其中， 处 理器、 通信接口和存储器通过通信总线完成相互间的通信； 所述存储器， 用于存储计算机程 序； 所述处理器， 用于执行所述存储器中所存储的程序， 实现权利要求 1至7任一项 所述的一 种用于目标检测的非极大值抑制加速方法。权　利　要　求　书 2/2 页 3 CN 114693943 A 3