一种人体目标检测方法及相关设备技术

本发明专利技术实施例公开了一种人体目标检测方法及相关设备，包括：首先从多张成像图像中获取样本图像，该样本图像中包括包含人体头部区域、可视人体区域以及全身人体区域在内的人体所在区域；接着根据人体所在区域确定样本图像的模型训练信息；然后将样本图像和模型训练信息输入待训练模型进行训练，得到人体目标检测模型；最后根据人体目标检测模型，确定待检测图像中的人体头部区域、可视人体区域以及全身人体区域。采用本发明专利技术实施例，可以提高有遮挡的人体目标的检测效果、以及全身人体位置检测的准确性。

A method of human target detection and related equipment

【技术实现步骤摘要】
一种人体目标检测方法及相关设备
本专利技术涉及图像处理
，尤其涉及一种人体目标检测方法及相关设备。
技术介绍
目前，人体目标检测是图像和视频处理领域的一个重要分支。人体目标检测技术广泛应用于云端与移动端以人为中心的图像视频的内容理解和分析，可以实现对人的行为分析、运动分析以及身份识别等目的。例如，摄像头对某个场合的实时监控、异常警报等场景、无人车与机器人环境中人的识别、检测定位等、以及云端海量以人为主题的图片与视频的动作分析、情感分析等。现有的人体目标检测技术通常利用全身人体作为唯一的监督信息训练一个专门预测全身人体的分类与位置回归结果的目标检测网络。由于所利用的信息维度单一，该现有技术的检测效果不理想。
技术实现思路
本专利技术提供一种人体目标检测方法及相关设备，可以提高有遮挡的人体目标的检测效果、以及全身人体位置检测的准确性。第一方面，本专利技术实施例提供了一种人体目标检测方法，包括：从多张成像图像中获取样本图像，所述样本图像中包括人体所在区域，所述人体所在区域包括人体头部区域、可视人体区域和全身人体区域；根据所述人体所在区域，确定所述样本图像的模型训练信息，所述模型训练信息包括类型标签和位置回归损失值中的至少一项；将所述样本图像和所述模型训练信息输入待训练模型进行训练，得到人体目标检测模型；根据所述人体目标检测模型，确定待检测图像中的人体所在区域。其中，所述人体头部区域为所述样本图像中人体头部所在区域，所述可视人体区域为所述样本图像中未被遮挡的人体区域、以及所述全身人体区域为所述样本图像中存在遮挡的人体全身所在的区域。其中，所述待训练模型包括第一分类器；所述类型标签包括正例样本标签和非正例样本标签；所述根据所述人体所在区域，确定所述样本图像的模型训练信息包括：确定所述全身人体区域与所述样本图像的重叠度；当所述第一重叠度大于第一阈值时，确定所述类型标签为所述正例样本标签，否则，确定所述类型标签为所述非正例样本标签。所述将所述样本图像和所述模型训练信息输入待训练模型进行训练，得到人体目标检测模型包括：将所述样本图像和所述类型标签输入所述第一分类器进行训练。其中，所述待训练模型包括第一位置回归器；所述将所述样本图像和所述模型训练信息输入待训练模型进行训练，得到人体目标检测模型还包括：将所述类型标签为所述正例样本标签的样本图像确定为第一目标样本图像；根据所述第一位置回归器对应的第一训练损失函数，确定所述第一目标样本图像的位置回归损失值；将所述第一目标样本图像和所述第一目标样本图像的位置回归损失值输入所述第一位置回归器进行训练。其中，所述待训练模型包括第二分类器；所述类型标签包括正例样本标签和非正例样本标签；所述根据所述人体所在区域，确定所述样本图像的模型训练信息包括：确定所述可视人体区域与所述样本图像的重叠度；当所述重叠度大于第二阈值时，确定所述类型标签为所述正例样本标签，否则，确定所述类型标签为所述非正例样本标签。所述将所述样本图像和所述模型训练信息输入待训练模型进行训练，得到人体目标检测模型包括：将所述样本图像和所述类型标签输入所述第二分类器进行训练。其中，所述待训练模型包括第二位置回归器；所述将所述样本图像和所述模型训练信息输入待训练模型进行训练，得到人体目标检测模型还包括：将所述类型标签为所述正例样本标签的样本图像确定为第二目标样本图像；根据所述第二位置回归器对应的第二训练损失函数，确定所述第二目标样本图像的位置回归损失值；将所述第二目标样本图像和所述第二目标样本图像的位置回归损失值输入所述第二位置回归器进行训练。其中，所述待训练模型包括第三位置回归器；所述类型标签包括正例样本标签和非正例样本标签；所述根据所述人体所在区域，确定所述样本图像的模型训练信息包括：确定所述人体头部区域与所述样本图像的重叠度；当所述重叠度大于第三阈值时，确定所述类型标签为所述正例样本标签，否则，确定所述类型标签为所述非正例样本标签。所述将所述样本图像和所述模型训练信息输入待训练模型进行训练，得到人体目标检测模型包括：将所述类型标签为所述正例样本标签的样本图像确定为第三目标样本图像；根据所述第三位置回归器对应的第三训练损失函数，确定所述第三目标样本图像的位置回归损失值；将所述第三目标样本图像和所述第三目标样本图像的位置回归损失值输入所述第三位置回归器进行训练。其中，所述确定所述可视人体区域或所述人体头部区域与所述样本图像的重叠度包括：确定所述可视人体区域与所述样本图像的第一交叠面积；将所述第一交叠面积与所述样本图像的面积的商作为所述可视人体区域与所述样本图像的重叠度；以及确定所述人体头区域与所述样本图像的第二交叠面积；将所述第二交叠面积与所述样本图像的面积的商作为所述人体头部区域与所述样本图像的重叠度。第二方面，本专利技术实施例提供了一种人体目标检测装置，包括：样板采集模块，用于从多张成像图像中获取样本图像，所述样本图像中包括人体所在区域，所述人体所在区域包括人体头部区域、可视人体区域和全身人体区域；信息确定模块，用于根据所述人体所在区域，确定所述样本图像的模型训练信息，所述模型训练信息包括类型标签和位置回归损失值中的至少一项；模型训练模块，用于将所述样本图像和所述模型训练信息输入待训练模型进行训练，得到人体目标检测模型；目标检测模块，用于根据所述人体目标检测模型，确定待检测图像中的人体所在区域。其中，所述人体头部区域为所述样本图像中人体头部所在区域，所述可视人体区域为所述样本图像中未被遮挡的人体区域、以及所述全身人体区域为所述样本图像中存在遮挡的人体全身所在的区域。其中，所述待训练模型包括第一分类器；所述类型标签包括正例样本标签和非正例样本标签；所述信息确定模块，还用于：确定所述全身人体区域与所述样本图像的重叠度；当所述第一重叠度大于第一阈值时，确定所述类型标签为所述正例样本标签，否则，确定所述类型标签为所述非正例样本标签；所述模型训练模块还用于：将所述样本图像和所述类型标签输入所述第一分类器进行训练。其中，所述待训练模型包括第一位置回归器；所述模型训练模块，还用于：将所述类型标签为所述正例样本标签的样本图像确定为第一目标样本图像；根据所述第一位置回归器对应的第一训练损失函数，确定所述第一目标样本图像的位置回归损失值；将所述第一目标样本图像和所述第一目标样本图像的位置回归损失值输入所述第一位置回归器进行训练。其中，所述待训练模型包括第二分类器；所述类型标签包括正例样本标签和非正例样本标签所述信息确定模块还用于：确定所述可视人体区域与所述样本图像的重叠度；当所述重叠度大于第二阈值时，确定所述类型标签为所述正例样本标签，否则，确定所述类型标签为所述非正例样本标签；所述模型训练模块还用于：将所述样本图像和所述类型标签输入所述第二分类器进行训练。其中，所述待训练模型包括第二位置回归器；所述模型训练模块还用于：将所述类型标签为所述正例样本标签的样本图像确定为第二目标样本图像；根据所述第二位置回归器对应的第二训练损失函数，确定所述第二目标样本图像的位置回归损失值；将所述第二目标样本图像和所述第二目标样本图像的位置回归损失值输入所述第二位置回归器进行训练。其中，所述待训练模型包括第三位置回归器；所述类型标签包括正例样本标签和非正例样本文档来自技高网...

【技术保护点】
1.一种人体目标检测方法，其特征在于，所述方法包括：从多张成像图像中获取样本图像，所述样本图像中包括人体所在区域，所述人体所在区域包括人体头部区域、可视人体区域和全身人体区域；根据所述人体所在区域，确定所述样本图像的模型训练信息，所述模型训练信息包括类型标签和位置回归损失值中的至少一项；将所述样本图像和所述模型训练信息输入待训练模型进行训练，得到人体目标检测模型；根据所述人体目标检测模型，确定待检测图像中的人体所在区域。

【技术特征摘要】
1.一种人体目标检测方法，其特征在于，所述方法包括：从多张成像图像中获取样本图像，所述样本图像中包括人体所在区域，所述人体所在区域包括人体头部区域、可视人体区域和全身人体区域；根据所述人体所在区域，确定所述样本图像的模型训练信息，所述模型训练信息包括类型标签和位置回归损失值中的至少一项；将所述样本图像和所述模型训练信息输入待训练模型进行训练，得到人体目标检测模型；根据所述人体目标检测模型，确定待检测图像中的人体所在区域。2.如权利要求1所述的方法，其特征在于，所述人体头部区域为所述样本图像中人体头部所在区域，所述可视人体区域为所述样本图像中未被遮挡的人体区域、以及所述全身人体区域为所述样本图像中存在遮挡的人体全身所在的区域。3.如权利要求1或2所述的方法，其特征在于，所述待训练模型包括第一分类器；所述类型标签包括正例样本标签和非正例样本标签；所述根据所述人体所在区域，确定所述样本图像的模型训练信息包括：确定所述全身人体区域与所述样本图像的重叠度；当所述重叠度大于第一阈值时，确定所述类型标签为所述正例样本标签，否则，确定所述类型标签为所述非正例样本标签；所述将所述样本图像和所述模型训练信息输入待训练模型进行训练，得到人体目标检测模型包括：将所述样本图像和所述类型标签输入所述第一分类器进行训练。4.如权利要求3所述的方法，其特征在于，所述待训练模型包括第一位置回归器；所述将所述样本图像和所述模型训练信息输入待训练模型进行训练，得到人体目标检测模型还包括：将所述类型标签为所述正例样本标签的样本图像确定为第一目标样本图像；根据所述第一位置回归器对应的第一训练损失函数，确定所述第一目标样本图像的位置回归损失值；将所述第一目标样本图像和所述第一目标样本图像的位置回归损失值输入所述第一位置回归器进行训练。5.如权利要求1所述的方法，其特征在于，所述待训练模型包括第二分类器；所述类型标签包括正例样本标签和非正例样本标签；所述根据所述人体所在区域，确定所述样本图像的模型训练信息包括：确定所述可视人体区域与所述样本图像的重叠度；当所述重叠度大于第二阈值时，确定所述类型标签为所述正例样本标签，否则，确定所述类型标签为所述非正例样本标签；所述将所述样本图像和所述模型训练信息输入待训练模型进行训练，得到人体目标检测模型包括：将所述样本图像和所述类型标签输入所述第二分类器进行训练。6.如权利要求5所述...

【专利技术属性】
技术研发人员：揭泽群，马林，刘威，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东,44