本公開涉及檢測裝置、攝像頭系統(tǒng)、檢測方法以及檢測程序。

背景技術：

1、近年來，能夠使用作為學習完畢模型的ai(artificialintelligence：人工智能)模型，從攝像頭拍攝的影像中檢測物體。但是，在如監(jiān)視攝像頭系統(tǒng)那樣進行長時間的拍攝的系統(tǒng)的情況下，由于時間的經過和季節(jié)的變化等環(huán)境變化，物體檢測的精度發(fā)生變動。因此，提出了基于傳感器對周邊環(huán)境的檢測結果從多個ai模型中選擇適當?shù)腶i模型而進行使用的檢測裝置(例如參照專利文獻1)。

2、現(xiàn)有技術文獻

3、專利文獻

4、專利文獻1：日本特開2020-170319號公報

技術實現(xiàn)思路

1、發(fā)明要解決的問題

2、但是，在上述以往的檢測裝置中，基于周邊環(huán)境來選擇ai模型，因此，有時沒有從多個ai模型中選擇出檢測精度高的ai模型。

3、本公開的目的在于，提供一種能夠從用于從影像中檢測物體的多個學習完畢模型中決定檢測精度高的學習完畢模型而進行使用的檢測裝置、攝像頭系統(tǒng)、檢測方法以及檢測程序。

4、用于解決問題的手段

5、本公開的檢測裝置的特征在于，具有：檢測處理部，其使用從多個學習完畢模型中選擇出的學習完畢模型，執(zhí)行將影像作為所述選擇出的學習完畢模型的輸入并將從所述影像中檢測物體的檢測結果設為所述選擇出的學習完畢模型的輸出的檢測處理；以及模型控制部，其使得針對所述多個學習完畢模型分別執(zhí)行所述檢測處理，針對所述多個學習完畢模型分別計算所述檢測結果的精度，進行基于所述精度從所述多個學習完畢模型中決定推薦學習完畢模型的決定處理，所述決定處理后的所述檢測處理是使用所述推薦學習完畢模型來執(zhí)行的。

6、本公開的檢測方法是由檢測裝置實施的方法，其特征在于，具有以下步驟：使用從多個學習完畢模型中選擇出的學習完畢模型，執(zhí)行將影像作為所述選擇出的學習完畢模型的輸入并將從所述影像中檢測物體的檢測結果設為所述選擇出的學習完畢模型的輸出的檢測處理；使得針對所述多個學習完畢模型分別執(zhí)行所述檢測處理，針對所述多個學習完畢模型分別計算所述檢測結果的精度，進行基于所述精度從所述多個學習完畢模型中決定推薦學習完畢模型的決定處理；以及使用所述推薦學習完畢模型來執(zhí)行所述決定處理后的所述檢測處理。

7、發(fā)明的效果

8、根據本公開，能夠從用于從影像中檢測物體的多個學習完畢模型中決定檢測精度高的學習完畢模型而進行使用。

技術特征：

1.一種檢測裝置，其特征在于，

2.根據權利要求1所述的檢測裝置，其特征在于，

3.根據權利要求2所述的檢測裝置，其特征在于，

4.根據權利要求3所述的檢測裝置，其特征在于，

5.根據權利要求2至4中的任意一項所述的檢測裝置，其特征在于，

6.根據權利要求5所述的檢測裝置，其特征在于，

7.根據權利要求2至4中的任意一項所述的檢測裝置，其特征在于，

8.根據權利要求2至4中的任意一項所述的檢測裝置，其特征在于，

9.根據權利要求1至8中的任意一項所述的檢測裝置，其特征在于，

10.根據權利要求9所述的檢測裝置，其特征在于，

11.一種攝像頭系統(tǒng)，其特征在于，具有：

12.一種檢測方法，其是由檢測裝置實施的檢測方法，其特征在于，

13.一種檢測程序，其特征在于，

技術總結
檢測裝置(10)具有：檢測處理部(11)，其使用從多個學習完畢模型(41～44)中選擇出的學習完畢模型，執(zhí)行將影像(D1)設為選擇出的學習完畢模型的輸入并將從影像中檢測物體的檢測結果(D2)設為選擇出的學習完畢模型的輸出的檢測處理；以及模型控制部(12)，其針對多個學習完畢模型(41～44)分別使得執(zhí)行檢測處理，針對多個學習完畢模型分別計算檢測結果的精度，進行基于精度從多個學習完畢模型中決定推薦學習完畢模型的決定處理，所述決定處理后的所述檢測處理是使用推薦學習完畢模型來執(zhí)行的。

技術研發(fā)人員：太田裕介,上村敬志,小池正英
受保護的技術使用者：三菱電機株式會社
技術研發(fā)日：
技術公布日：2024/12/19