【技术实现步骤摘要】
基于人工智能的行人检测方法、装置、设备及介质
本专利技术涉及人工智能
，尤其涉及一种基于人工智能的行人检测方法、装置、设备及介质。
技术介绍
近年来，随着智慧城市的快速发展，行人检测在智慧城市交通管理系统中发挥着越来越重要的作用。现有技术方案中，主要采用YOLOv3的深度学习方法，但是，该方法对外界环境的要求较高，其检测精度受环境影响较大，当天气环境恶劣或者面对行人集中等困难场景时其准确率和召回率都相对较低，仍存在较大的提升空间。
技术实现思路
鉴于以上内容，有必要提供一种基于人工智能的行人检测方法、装置、设备及介质，能够采用VoVNet网络进行特征提取，显著增强了行人集中的场景以及雾霾、雨天、夜间等环境条件差的场景下的特征表达能力，从而提高了行人检测的整体准确率和召回率，且推理速度提升了一倍，进而基于人工智能手段对行人进行自动检测。一种基于人工智能的行人检测方法，所述基于人工智能的行人检测方法包括：响应于接收到的待检测图像，对所述待检测图像进行尺度变换处理，得到目标...
【技术保护点】
1.一种基于人工智能的行人检测方法，其特征在于，所述基于人工智能的行人检测方法包括：/n响应于接收到的待检测图像，对所述待检测图像进行尺度变换处理，得到目标图像；/n利用VoVNet网络提取所述目标图像的行人特征；/n将所述行人特征输入至预先训练的行人检测模型，输出第一特征图、第二特征图及第三特征图；/n获取所述行人检测模型的目标锚框；/n对于所述第一特征图、所述第二特征图及所述第三特征图中的每个特征图，利用所述目标锚框在每个特征图上进行识别，输出与每个特征图对应的预测锚框坐标、每个预测锚框坐标的目标得分及行人预测结果，从所述预测锚框坐标中选择所述目标得分最高的预测锚框坐标...
【技术特征摘要】
1.一种基于人工智能的行人检测方法，其特征在于，所述基于人工智能的行人检测方法包括：
响应于接收到的待检测图像，对所述待检测图像进行尺度变换处理，得到目标图像；
利用VoVNet网络提取所述目标图像的行人特征；
将所述行人特征输入至预先训练的行人检测模型，输出第一特征图、第二特征图及第三特征图；
获取所述行人检测模型的目标锚框；
对于所述第一特征图、所述第二特征图及所述第三特征图中的每个特征图，利用所述目标锚框在每个特征图上进行识别，输出与每个特征图对应的预测锚框坐标、每个预测锚框坐标的目标得分及行人预测结果，从所述预测锚框坐标中选择所述目标得分最高的预测锚框坐标作为行人的位置预测坐标；
将所述位置预测坐标映射到所述待检测图像上，得到映射图，输出所述映射图及所述行人预测结果作为检测结果。
2.如权利要求1所述的基于人工智能的行人检测方法，其特征在于，所述将所述行人特征输入至预先训练的行人检测模型，输出第一特征图、第二特征图及第三特征图包括：
对所述行人特征执行第一操作，得到第一特征，拼接所述第一特征及所述行人特征，得到第一拼接特征；
对所述第一拼接特征执行第二操作，得到第一特征图；
对所述第一拼接特征执行第三操作，得到第一中间特征，对所述第一中间特征执行所述第一操作，得到第二特征，拼接所述第二特征及所述行人特征，得到第二拼接特征；
对所述第二拼接特征执行所述第二操作，得到第二特征图；
对所述第二拼接特征执行所述第三操作，得到第二中间特征，对所述第二中间特征执行所述第一操作，得到第三特征，拼接所述第三特征及所述行人特征，得到第三拼接特征；
对所述第三拼接特征执行所述第二操作，得到第三特征图。
3.如权利要求2所述的基于人工智能的行人检测方法，其特征在于，所述第一操作包括第一运算及上采样运算，所述第一运算包括3*3卷积运算、批归一化运算及采用Mish激活函数的运算，所述第一运算执行第一预设次数；所述第二操作包括所述第一运算及1*1卷积运算，所述第一运算执行第二预设次数；所述第三操作包括所述第一运算，所述第一运算执行第三预设次数。
4.如权利要求1所述的基于人工智能的行人检测方法，其特征在于，在获取所述行人检测模型的目标锚框前，所述基于人工智能的行人检测方法还包括：
获取样本数据；
从所述样本数据中随机获取初始样点；
采用K-means++算法以所述初始样点为起点对所述样本数据进行聚类，得到指定数量的簇；
计算每个簇的中心点坐标作为所述目标锚框。
5.如权利要求4所述的基于人工智能的行人检测方法，其特征在于，在采用K-means++算法以所述初始样点为起点对所述样本数据...
【专利技术属性】
技术研发人员：吴晓东，
申请(专利权)人：平安国际智慧城市科技股份有限公司，
类型：发明
国别省市：广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。