行人检测、训练检测器的方法、装置及设备制造方法及图纸

本说明书提供一种行人检测、训练检测器的方法、装置及设备，该方法包括可以预先训练有包括多个预设检测器的预设检测器集合，在对视频进行行人检测的过程中，可以根据视频帧的背景模型确定匹配的检测器进行行人检测，通过检测过程中实时调整检测器的方式，解决场景实时变化而引起行人识别率下降的问题。

Method, device and equipment of pedestrian detection and training detector

【技术实现步骤摘要】
行人检测、训练检测器的方法、装置及设备
本说明书涉及计算机视觉
，尤其涉及行人检测、训练检测器的方法、装置及设备。
技术介绍
行人检测是智能视频监控领域比较重要的一个研究方向，它是一种基于机器学习的计算机视觉技术，通过分析视频场景中的行人、交通工具等其他运动物体，来完成如人数统计、行人跟踪等任务。因此，提供一种检测精度较高的行人检测方案，无疑具有重要意义。
技术实现思路
为克服相关技术中存在的问题，本说明书提供了行人检测、训练检测器的方法、装置及设备。根据本说明书实施例的第一方面，提供一种行人检测方法，包括：接收待检测的当前视频帧序列，获取所述当前视频帧序列的背景模型；确定所述当前视频帧序列的背景模型与上一视频帧序列的背景模型的匹配程度；所述上一视频帧序列由目标检测器进行行人检测；若匹配，则利用所述目标检测器对当前视频帧序列进行行人检测；若不匹配，则基于预设检测器的背景模型与所述当前视频帧序列的背景模型的匹配程度，从预设检测器集合中选取出预设检测器，利用选取的预设检测器对所述当前视频帧序列进行行人检测；其中，所述预设检测器对应有背景模型，所述预设检测器集合中每个预设检测器对应一种场景。可选的，所述预设检测器集合中预设检测器预先利用对应场景的视频帧集合对样本检测器训练得到，所述预设检测器对应的背景模型利用所述对应场景的视频帧集合获取得到。可选的，所述预设检测器集合中预设检测器的训练方式包括：利用对应场景的视频帧集合，循环执行以下步骤，直到视频帧集合中所有视频帧的标签与上一次检测的标签相同，获得训练完成的预设检测器：利用当前样本检测器对视频帧集合中每个视频帧进行行人检测，根据检测结果确定每个视频帧的标签，所述标签指示所述视频帧中是否包含有行人；将确定标签后的视频帧集合添加至源样本集后训练样本检测器，将训练得到的样本检测器确定为当前样本检测器。可选的，所述当前样本检测器对视频帧集合中每个视频帧进行行人检测的方式包括：上下文线索算法和/或聚类算法。可选的，所述匹配程度基于背景模型的灰度直方图的相似度确定。可选的，所述相似度通过如下方式计算得到：其中，所述Sim(G，S)表示灰度直方图G与灰度直方图S的相似度，N表示标准片段背景模型的灰度直方图的灰度空间样点数，gi表示灰度直方图中第i个样点的灰度值，si表示灰度直方图中第i个样点的灰度值，Max(gi,si)表示gi与si两者中的较大值。可选的，所述背景模型采用基于码本的建模方法获取得到。根据本说明书实施例的第二方面，提供一种训练检测器的方法，所述方法包括：获取多个视频帧集合，利用每个所述视频帧集合确定每个场景的背景模型；其中，每个视频帧集合预先对对应场景拍摄得到；利用每个场景的视频帧集合，循环执行以下步骤，直到视频帧集合中所有视频帧的标签与上一次检测的标签相同，获得训练完成的该场景的检测器：利用当前样本检测器对视频帧集合中每个视频帧进行行人检测，根据检测结果确定每个视频帧的标签，所述标签指示所述视频帧中是否包含有行人；将确定标签后的视频帧集合添加至源样本集后训练样本检测器，将训练得到的样本检测器确定为当前样本检测器；将训练完成的所述场景的检测器与该场景的背景模型关联，得到检测器集合。根据本说明书实施例的第三方面，提供一种行人检测装置，所述装置包括：获取模块，用于：接收待检测的当前视频帧序列，获取所述当前视频帧序列的背景模型；确定模块，用于：确定所述当前视频帧序列的背景模型与上一视频帧序列的背景模型的匹配程度；所述上一视频帧序列由目标检测器进行行人检测；检测模块，用于：在匹配的情况下，则利用所述目标检测器对当前视频帧序列进行行人检测；在不匹配的情况下，则基于预设检测器的背景模型与所述当前视频帧序列的背景模型的匹配程度，从预设检测器集合中选取出预设检测器，利用选取的预设检测器对所述当前视频帧序列进行行人检测；其中，所述预设检测器对应有背景模型，所述预设检测器集合中每个预设检测器对应一种场景。可选的，所述预设检测器集合中预设检测器预先利用对应场景的视频帧集合对样本检测器训练得到，所述预设检测器对应的背景模型利用所述对应场景的视频帧集合获取得到。可选的，所述预设检测器集合中预设检测器的训练方式包括：利用对应场景的视频帧集合，循环执行以下步骤，直到视频帧集合中所有视频帧的标签与上一次检测的标签相同，获得训练完成的预设检测器：利用当前样本检测器对视频帧集合中每个视频帧进行行人检测，根据检测结果确定每个视频帧的标签，所述标签指示所述视频帧中是否包含有行人；将确定标签后的视频帧集合添加至源样本集后训练样本检测器，将训练得到的样本检测器确定为当前样本检测器。可选的，所述当前样本检测器对视频帧集合中每个视频帧进行行人检测的方式包括：上下文线索算法和/或聚类算法。可选的，所述匹配程度基于背景模型的灰度直方图的相似度确定。可选的，所述相似度通过如下方式计算得到：其中，所述Sim(G，S)表示灰度直方图G与灰度直方图S的相似度，N表示标准片段背景模型的灰度直方图的灰度空间样点数，gi表示灰度直方图中第i个样点的灰度值，si表示灰度直方图中第i个样点的灰度值，Max(gi,si)表示gi与si两者中的较大值。可选的，所述背景模型采用基于码本的建模方法获取得到。根据本说明书实施例的第四方面，提供一种训练检测器的装置，包括：获取模块，用于：获取多个视频帧集合，利用每个所述视频帧集合确定每个场景的背景模型；其中，每个视频帧集合预先对对应场景拍摄得到；训练模块，用于：利用每个场景的视频帧集合，循环执行以下步骤，直到视频帧集合中所有视频帧的标签与上一次检测的标签相同，获得训练完成的该场景的检测器：利用当前样本检测器对视频帧集合中每个视频帧进行行人检测，根据检测结果确定每个视频帧的标签，所述标签指示所述视频帧中是否包含有行人；将确定标签后的视频帧集合添加至源样本集后训练样本检测器，将训练得到的样本检测器确定为当前样本检测器；关联模块，用于：将训练完成的所述场景的检测器与该场景的背景模型关联，得到检测器集合。根据本说明书实施例的第五方面，提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现前述的行人检测方法/训练检测器的方法。本说明书的实施例提供的技术方案可以包括以下有益效果：本说明书实施例中，可以预先训练有包括多个预设检测器的预设检测器集合，在对视频进行行人检测的过程中，可以根据视频帧的背景模型确定匹配的检测器进行行人检测，通过检测过程中实时调整检测器的方式，解决场景实时变化而引起行人识别率下降的问题。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本说明书。附图说明此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本说明书的实施例，并与说明书一起用于解释本说明书的原理。图1A是本说明书根据一示例性实施例示出的一种训练检测器的方法的流程图。图1B是本说明书根据一示例性实施例示出的一种行人检测方法的流程图。图2A是本说明书根据一示例性实施例示出的另一种训练检测器的方法的流程图。图2B是本说明书根据一示例性实施例示出的另一种行人检测方法的流程图。图3是本说明书实施例行人检测装置/训练本文档来自技高网...

【技术保护点】
1.一种行人检测方法，包括：接收待检测的当前视频帧序列，获取所述当前视频帧序列的背景模型；确定所述当前视频帧序列的背景模型与上一视频帧序列的背景模型的匹配程度；所述上一视频帧序列由目标检测器进行行人检测；若匹配，则利用所述目标检测器对当前视频帧序列进行行人检测；若不匹配，则基于预设检测器的背景模型与所述当前视频帧序列的背景模型的匹配程度，从预设检测器集合中选取出预设检测器，利用选取的预设检测器对所述当前视频帧序列进行行人检测；其中，所述预设检测器对应有背景模型，所述预设检测器集合中每个预设检测器对应一种场景。

【技术特征摘要】
1.一种行人检测方法，包括：接收待检测的当前视频帧序列，获取所述当前视频帧序列的背景模型；确定所述当前视频帧序列的背景模型与上一视频帧序列的背景模型的匹配程度；所述上一视频帧序列由目标检测器进行行人检测；若匹配，则利用所述目标检测器对当前视频帧序列进行行人检测；若不匹配，则基于预设检测器的背景模型与所述当前视频帧序列的背景模型的匹配程度，从预设检测器集合中选取出预设检测器，利用选取的预设检测器对所述当前视频帧序列进行行人检测；其中，所述预设检测器对应有背景模型，所述预设检测器集合中每个预设检测器对应一种场景。2.根据权利要求1所述的方法，所述预设检测器集合中预设检测器预先利用对应场景的视频帧集合对样本检测器训练得到，所述预设检测器对应的背景模型利用所述对应场景的视频帧集合获取得到。3.根据权利要求2所述的方法，所述预设检测器集合中预设检测器的训练方式包括：利用对应场景的视频帧集合，循环执行以下步骤，直到视频帧集合中所有视频帧的标签与上一次检测的标签相同，获得训练完成的预设检测器：利用当前样本检测器对视频帧集合中每个视频帧进行行人检测，根据检测结果确定每个视频帧的标签，所述标签指示所述视频帧中是否包含有行人；将确定标签后的视频帧集合添加至源样本集后训练样本检测器，将训练得到的样本检测器确定为当前样本检测器。4.根据权利要求3所述的方法，所述当前样本检测器对视频帧集合中每个视频帧进行行人检测的方式包括：上下文线索算法和/或聚类算法。5.根据权利要求1所述的方法，所述匹配程度基于背景模型的灰度直方图的相似度确定。6.根据权利要求4所述的方法，所述相似度通过如下方式计算得到：其中，所述Sim(G，S)表示灰度直方图G与灰度直方图S的相似度，N表示标准片段背景模型的灰度直方图的灰度空间样点数，gi表示灰度直方图中第i个样点的灰度值，si表示灰度直方图中第i个样点的灰度值，Max(gi,si)表示gi与si两者中的较大值。7.根据权利要求1或2所述的方法，所述背景模型采用基于码本的建模方法获取得到。8.一种训练检测器的方法，所述方法包括：获取多个视频帧集合，利用每个所述视频帧集合确定每个场景的背景模型；其中...

【专利技术属性】
技术研发人员：赵威，
申请(专利权)人：阿里巴巴集团控股有限公司，
类型：发明
国别省市：开曼群岛,KY