用于行人检测的方法、装置、系统及存储介质制造方法及图纸

本发明专利技术的实施例提供了一种用于行人检测的方法、装置、系统及存储介质。该方法包括：获取待检测图像；对所述待检测图像进行行人检测，以获得行人检测框，其中所述行人检测框用于指示所述待检测图像中可能包括行人的区域；在所述行人检测框中进行人头检测，以获得人头检测框，其中所述人头检测框用于指示所述行人检测框中可能包括人头的区域；以及根据所述人头检测框筛选所述行人检测框，并且将最终筛选结果作为行人检测结果。本发明专利技术能降低现有技术的行人检测中的漏检，提高检测准确率。

Pedestrian detection methods, devices, systems and storage media

An embodiment of the present invention provides a method, device, system and storage medium for pedestrian detection. The method includes: acquiring the image to be detected; performing pedestrian detection on the image to be detected to obtain a pedestrian detection frame, in which the pedestrian detection frame is used to indicate the area that the image to be detected may include a pedestrian; and performing head detection in the pedestrian detection frame to obtain a pedestrian detection frame, in which the pedestrian detection frame is described. The head detection frame is used to indicate the area in the pedestrian detection frame that may include the head, and to filter the pedestrian detection frame according to the head detection frame, and to take the final screening result as the pedestrian detection result. The invention can reduce the leakage detection in the pedestrian detection of the prior art and improve the detection accuracy.

【技术实现步骤摘要】
用于行人检测的方法、装置、系统及存储介质
本专利技术涉及模式识别
，更具体地涉及一种用于行人检测的方法、装置、系统及存储介质。
技术介绍
现有的行人检测技术中，一般首先针对待检测图像进行行人检测。然后，采用非极大值抑制算法(non-maximumsuppression，NMS)来去除重复的行人检测框，从而提高行人检测结果的精度。然而，针对密集人群进行拍照时，在图像中不同人的身体相互重叠会比较多。由于在行人检测的过程中，需要使用NMS来消除人与人之间身体的重叠；因此，现有技术往往会出现大量漏检错误以及将多人检测为一人的错误。例如，图1示出了一个示例性的待检测图像。图2是针对图1所示的待检测图像利用现有的行人检测技术获得的行人检测结果。如图2所示，待检测图像中左上角位置的人被漏检了。
技术实现思路
考虑到上述问题而提出了本专利技术。本专利技术提供了一种用于行人检测的方法、装置、系统及存储介质。根据本专利技术一方面，提供了一种用于行人检测的方法，包括：获取待检测图像；对所述待检测图像进行行人检测，以获得行人检测框，其中所述行人检测框用于指示所述待检测图像中可能包括行人的区域；在所述行人检测框中进行人头检测，以获得人头检测框，其中所述人头检测框用于指示所述行人检测框中可能包括人头的区域；以及根据所述人头检测框筛选所述行人检测框，并且将最终筛选结果作为行人检测结果。示例性地，所述对所述待检测图像进行行人检测还获得所述行人检测框的置信度，所述根据所述人头检测框筛选所述行人检测框包括：确定有重叠部分的两个行人检测框的重叠率，以作为第一重叠率；确定所述两个行人检测框中的两个人头检测框的重叠率，以作为第二重叠率；根据所述第一重叠率和所述第二重叠率确定所述两个行人检测框中是否存在冗余；以及对于所述两个行人检测框中存在冗余的情况，根据所述两个行人检测框的置信度筛选出所述两个行人检测框中的一个，将所述两个行人检测框中的另一个丢弃。示例性地，所述根据所述第一重叠率和所述第二重叠率确定所述两个行人检测框中是否存在冗余包括：计算所述第一重叠率和所述第二重叠率的加权和；比较所述加权和和阈值；以及对于所述加权和大于所述阈值的情况，确定所述两个行人检测框中存在冗余。示例性地，在所述确定有重叠部分的两个行人检测框的重叠率之前，所述根据所述人头检测框筛选所述行人检测框还包括：根据所述行人检测框的置信度对现有的行人检测框进行排序；以及针对经排序的行人检测框，从置信度最高的行人检测框开始依次确定所述有重叠部分的两个行人检测框。示例性地，所述方法还包括：提取所述待检测图像的图像特征；其中，直接利用所述图像特征对所述待检测图像进行行人检测；和/或直接利用所述图像特征在所述行人检测框中进行人头检测。示例性地，所述提取所述待检测图像的图像特征是基于以下模型中的一个：卷积神经网络(CNN)特征提取器、尺度无关特征变换(SIFT)特征提取器和方向梯度直方图(HOG)特征提取器。示例性地，所述在所述行人检测框中进行人头检测包括：基于第一检测模型，利用与所述行人检测框对应的数据确定所述行人检测框与其中的人头检测框的宽度比例、高度比例和中心偏移；以及基于所述宽度比例、所述高度比例和所述中心偏移确定所述其中的人头检测框。示例性地，所述第一检测模型是快速区域卷积神经网络(FasterR-CNN)、关键区域检测网络(RegionProposalNetwork)或提升树(AdaBoosttree)。示例性地，所述方法还包括：利用训练输入数据和对应的标注内容训练所述第一检测模型。示例性地，所述对待检测图像进行行人检测包括：基于第二检测模型，确定所述待检测图像中的行人检测初选框；基于打分神经网络，利用与所述行人检测初选框对应的数据计算所述行人检测初选框的置信度；以及确定预定个数的、置信度最高的行人检测初选框为所述行人检测框。根据本专利技术另一方面，还提供了一种用于行人检测的装置，包括：图像获取模块，用于获取待检测图像；行人检测模块，用于对所述待检测图像进行行人检测，以获得行人检测框，其中所述行人检测框用于指示所述待检测图像中可能包括行人的区域；人头检测模块，用于在所述行人检测框中进行人头检测，以获得人头检测框，其中所述人头检测框用于指示所述行人检测框中可能包括人头的区域；以及后处理模块，用于根据所述人头检测框筛选所述行人检测框，并且将最终筛选结果作为行人检测结果。根据本专利技术又一方面，还提供了一种用于行人检测的系统，包括处理器和存储器，其中，所述存储器中存储有计算机程序指令，所述计算机程序指令被所述处理器运行时用于执行以下步骤：获取待检测图像；对所述待检测图像进行行人检测，以获得行人检测框，其中所述行人检测框用于指示所述待检测图像中可能包括行人的区域；在所述行人检测框中进行人头检测，以获得人头检测框，其中所述人头检测框用于指示所述行人检测框中可能包括人头的区域；以及根据所述人头检测框筛选所述行人检测框，并且将最终筛选结果作为行人检测结果。根据本专利技术再一方面，还提供了一种存储介质，在所述存储介质上存储了程序指令，所述程序指令在运行时用于执行以下步骤：获取待检测图像；对所述待检测图像进行行人检测，以获得行人检测框，其中所述行人检测框用于指示所述待检测图像中可能包括行人的区域；在所述行人检测框中进行人头检测，以获得人头检测框，其中所述人头检测框用于指示所述行人检测框中可能包括人头的区域；以及根据所述人头检测框筛选所述行人检测框，并且将最终筛选结果作为行人检测结果。根据本专利技术实施例的用于行人检测的方法、装置、系统及存储介质，能够提高图像的行人检测精度，特别是针对人群密集场景所拍摄的图像。通过在行人检测的基础上，引入了重叠率极低的人头检测参与后处理，显著降低了漏检，提高行人检测准确率。附图说明通过结合附图对本专利技术实施例进行更详细的描述，本专利技术的上述以及其它目的、特征和优势将变得更加明显。附图用来提供对本专利技术实施例的进一步理解，并且构成说明书的一部分，与本专利技术实施例一起用于解释本专利技术，并不构成对本专利技术的限制。在附图中，相同的参考标号通常代表相同部件或步骤。图1示出了一个示例性的待检测图像；图2示出了针对图1所示的待检测图像利用现有的行人检测技术获得的行人检测结果；图3示出了用于实现根据本专利技术实施例的用于行人检测的方法和装置的示例电子设备的示意性框图；图4示出了根据本专利技术一个实施例的用于行人检测的方法的示意性流程图；图5示出了针对图1所示的待检测图像利用根据本专利技术一个实施例的用于行人检测的方法获得的行人检测结果；图6示出了根据本专利技术一个实施例的用于行人检测的方法的示意性框图；图7示出了根据本专利技术的实施例的对待检测图像进行行人检测的示意性流程图；图8示出了根据本专利技术的实施例的在行人检测框中进行人头检测的示意性流程图；图9示出了根据本专利技术的实施例的后处理的示意性流程图；图10示出了根据本专利技术一个实施例的用于行人检测的装置1000的示意性框图；以及图11示出了根据本专利技术一个实施例的用于行人检测的系统1100的示意性框图。具体实施方式为了使得本专利技术的目的、技术方案和优点更为明显，下面将参照附图详细描述根据本专利技术的示例实施例。显然，所描述的实施例仅仅是本专利技术的一部分实施例，而不是本专利技术的全部实施例，应理本文档来自技高网...

【技术保护点】
1.一种用于行人检测的方法，包括：获取待检测图像；对所述待检测图像进行行人检测，以获得行人检测框，其中所述行人检测框用于指示所述待检测图像中可能包括行人的区域；在所述行人检测框中进行人头检测，以获得人头检测框，其中所述人头检测框用于指示所述行人检测框中可能包括人头的区域；以及根据所述人头检测框筛选所述行人检测框，并且将最终筛选结果作为行人检测结果。

【技术特征摘要】
1.一种用于行人检测的方法，包括：获取待检测图像；对所述待检测图像进行行人检测，以获得行人检测框，其中所述行人检测框用于指示所述待检测图像中可能包括行人的区域；在所述行人检测框中进行人头检测，以获得人头检测框，其中所述人头检测框用于指示所述行人检测框中可能包括人头的区域；以及根据所述人头检测框筛选所述行人检测框，并且将最终筛选结果作为行人检测结果。2.如权利要求1所述的方法，其中，所述对所述待检测图像进行行人检测还获得所述行人检测框的置信度，所述根据所述人头检测框筛选所述行人检测框包括：确定有重叠部分的两个行人检测框的重叠率，以作为第一重叠率；确定所述两个行人检测框中的两个人头检测框的重叠率，以作为第二重叠率；根据所述第一重叠率和所述第二重叠率确定所述两个行人检测框中是否存在冗余；以及对于所述两个行人检测框中存在冗余的情况，根据所述两个行人检测框的置信度筛选出所述两个行人检测框中的一个，将所述两个行人检测框中的另一个丢弃。3.如权利要求2所述的方法，其中，所述根据所述第一重叠率和所述第二重叠率确定所述两个行人检测框中是否存在冗余包括：计算所述第一重叠率和所述第二重叠率的加权和；比较所述加权和和重叠阈值；以及对于所述加权和大于所述重叠阈值的情况，确定所述两个行人检测框中存在冗余。4.如权利要求2或3所述的方法，其中，在所述确定有重叠部分的两个行人检测框的重叠率之前，所述根据所述人头检测框筛选所述行人检测框还包括：根据所述行人检测框的置信度对现有的行人检测框进行排序；以及针对经排序的行人检测框，从置信度最高的行人检测框开始依次确定所述有重叠部分的两个行人检测框。5.如权利要求1至3任一项所述的方法，其中，所述方法还包括：提取所述待检测图像的图像特征；其中，直接利用所述图像特征对所述待检测图像进行行人检测；和/或直接利用所述图像特征在所述行人检测框中进行人头检测。6.如权利要求5所述的方法，其中，所述提取所述待检测图像的图像特征是基于以下模型中的一个：卷积神经网络特征提取器、尺度无关特征变换特征提取器和方向梯度直方图特征提取器。7.如权利要求1至3任一项所述的方法，其中，所述在所述行人检测框中进行人头检测包括：基于第一检测模型，利用与所述行人检测框对应的数据确定所述行人检...

【专利技术属性】
技术研发人员：林孟潇，张祥雨，
申请(专利权)人：北京旷视科技有限公司，北京迈格威科技有限公司，
类型：发明
国别省市：北京,11