行人检测方法、装置、电子设备及计算机可读存储介质制造方法及图纸

本申请公开了行人检测方法、装置、电子设备及计算机可读存储介质，应用于图像处理技术领域，所述行人检测方法包括：获取待检测目标对应的待检测图像，提取待检测图像对应的Gabor特征和HOG特征；分别对Gabor特征和HOG特征进行降维，得到降维Gabor特征和降维HOG特征；将降维Gabor特征和降维HOG特征进行融合，得到融合特征；将融合特征降维至预设第一特征维度，得到降维融合特征，其中，预设第一特征维度用于兼顾行人检测的检测准确度以及检测效率；依据降维融合特征，对待检测目标进行行人检测，得到行人检测结果。本申请解决了现有技术中行人检测时对检测准确度和检测效率的兼顾程度差的技术问题。顾程度差的技术问题。顾程度差的技术问题。

【技术实现步骤摘要】
行人检测方法、装置、电子设备及计算机可读存储介质


[0001]本申请涉及图像处理
，尤其涉及一种行人检测方法、装置、电子设备及计算机可读存储介质。

技术介绍

[0002]随着当今社会人工智能、计算机视觉及智能监控、智能交通的发展，行人检测技术越来越受到人们的关注，目前可通过提取行人的图像特征进行行人检测，例如提取行人图像的Gabor特征或者HOG(Histogram of Oriented Gradient，方向梯度直方图)特征进行行人检测等，而由于单一类型的图像特征通常蕴含的图像信息较为单一，利用单一的图像特征进行行人检测的准确度较低，而多种类型的图像特征的融合图像特征的维度又通常较高，利用融合图像特征进行行人检测的效率较低，所以现有的行人检测方式对检测准确度和检测效率的兼顾程度较差。

技术实现思路

[0003]本申请的主要目的在于提供一种行人检测方法、装置、电子设备及计算机可读存储介质，旨在解决现有技术中行人检测时对检测准确度和检测效率的兼顾程度差的技术问题。
[0004]为实现上述目的，本申请提供一种行人检测方法，所述行人检测方法包括：
[0005]获取待检测目标对应的待检测图像，提取所述待检测图像对应的Gabor特征和对应的HOG特征；
[0006]分别对所述Gabor特征和所述HOG特征进行降维，得到降维Gabor特征和降维HOG特征；
[0007]将所述降维Gabor特征和所述降维HOG特征进行融合，得到融合特征；
[0008]将所述融合特征降维至预设第一特征维度，得到降维融合特征，其中，所述预设第一特征维度用于兼顾对所述待检测目标进行行人检测的检测准确度以及检测效率；
[0009]依据所述降维融合特征，对所述待检测目标进行行人检测，得到行人检测结果。
[0010]为实现上述目的，本申请还提供一种行人检测装置，所述行人检测装置包括：
[0011]特征提取模块，用于获取待检测目标对应的待检测图像，提取所述待检测图像对应的Gabor特征和对应的HOG特征；
[0012]第一特征降维模块，用于分别对所述Gabor特征和所述HOG特征进行降维，得到降维Gabor特征和降维HOG特征；
[0013]特征融合模块，用于将所述降维Gabor特征和所述降维HOG特征进行融合，得到融合特征；
[0014]第二特征降维模块，用于将所述融合特征降维至预设第一特征维度，得到降维融合特征，其中，所述预设第一特征维度用于兼顾对所述待检测目标进行行人检测的检测准确度以及检测效率；
[0015]行人检测模块，用于依据所述降维融合特征，对所述待检测目标进行行人检测，得到行人检测结果。
[0016]本申请还提供一种电子设备，所述电子设备包括：存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的所述行人检测方法的程序，所述行人检测方法的程序被处理器执行时可实现如上述的行人检测方法的步骤。
[0017]本申请还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有实现行人检测方法的程序，所述行人检测方法的程序被处理器执行时实现如上述的行人检测方法的步骤。
[0018]本申请还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述的行人检测方法的步骤。
[0019]本申请提供了一种行人检测方法、装置、电子设备及计算机可读存储介质，相比于现有技术中采用的利用单一的图像特征进行行人检测或者利用融合图像特征进行行人检测的技术手段，本申请首先获取待检测目标对应的待检测图像，提取所述待检测图像对应的Gabor特征和对应的HOG特征；分别对所述Gabor特征和所述HOG特征进行降维，得到降维Gabor特征和降维HOG特征；将所述降维Gabor特征和所述降维HOG特征进行融合，得到融合特征，进而实现了在较低维度融合Gabor特征和HOG特征的目的，避免在高维度进行特征融合，提升了特征融合的效率，从而可提升行人检测的效率，进而将所述融合特征降维至预设第一特征维度，得到降维融合特征，其中，所述预设第一特征维度用于兼顾对所述待检测目标进行行人检测的检测准确度以及检测效率；依据所述降维融合特征，对所述待检测目标进行行人检测，得到行人检测结果。进而在以低维度的降维融合特征进行行人检测来保证检测效率的同时，可同时行人检测的检测准确度，所以在进一步提升行人检测的效率的同时，兼顾了行人检测的准确度，克服了现有技术中利用单一的图像特征进行行人检测的准确度较低，而利用融合图像特征进行行人检测的效率较低，所以现有的行人检测方式对检测准确度和检测效率的兼顾性较差的技术缺陷，提升了行人检测时对检测准确度和检测效率的兼顾程度。
附图说明
[0020]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
[0021]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0022]图1为本申请行人检测方法第一实施例的流程示意图；
[0023]图2为本申请行人检测方法第二实施例的流程示意图；
[0024]图3为本申请行人检测方法第三实施例的流程示意图；
[0025]图4为本申请实施例中行人检测方法涉及的硬件运行环境的设备结构示意图。
[0026]本申请目的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
[0027]为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其它实施例，均属于本专利技术保护的范围。
[0028]实施例一
[0029]目前，在进行行人检测时，可单独提取行人图像的Gabor特征或者HOG特征进行行人检测，但是由于单一的Gabor特征或者HOG特征中蕴含的图像信息非常有限，这将限制行人检测的准确度，而若直接将Gabor特征和HOG特征进行融合，融合后的Gabor
‑
HOG特征的维度又通常较高，若利用融合后的Gabor
‑
HOG特征进行行人检测，这将限制利用融合后的Gabor
‑
HOG特征进行行人检测的效率，同时特征融合时的计算量较高，将进一步影响行人检测的效率，所以目前的行人检测方法难以在检测准确度和检测效率之间进行兼顾。
[0030]本申请实施例提供一种行人检测方法，在本申请行人检测方法的第一实施例中，参照图1，所述行人检测方法包括：
[0031]步骤S10，获取待检测目标对应的待检测图像，提取所述待本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种行人检测方法，其特征在于，所述行人检测方法包括：获取待检测目标对应的待检测图像，提取所述待检测图像对应的Gabor特征和对应的HOG特征；分别对所述Gabor特征和所述HOG特征进行降维，得到降维Gabor特征和降维HOG特征；将所述降维Gabor特征和所述降维HOG特征进行融合，得到融合特征；将所述融合特征降维至预设第一特征维度，得到降维融合特征，其中，所述预设第一特征维度用于兼顾对所述待检测目标进行行人检测的检测准确度以及检测效率；依据所述降维融合特征，对所述待检测目标进行行人检测，得到行人检测结果。2.如权利要求1所述行人检测方法，其特征在于，所述分别对所述Gabor特征和所述HOG特征进行降维，得到降维Gabor特征和降维HOG特征的步骤，包括：将所述Gabor特征降维至预设第二特征维度，得到所述降维Gabor特征，以及将所述HOG特征降维至预设第三特征维度，得到所述降维HOG特征，其中，所述预设第二特征维度和所述预设第三特征维度共同用于保持所述降维Gabor特征和所述降维HOG特征之间进行特征融合时对应的特征融合效率，以及共同用于保持所述预设第二特征维度对应构建的图像分类器的第一分类准确度。3.如权利要求2所述行人检测方法，其特征在于，在所述将所述Gabor特征降维至预设第二特征维度，得到所述降维Gabor特征，以及将所述HOG特征降维至预设第三特征维度，得到所述降维HOG特征的步骤之前，所述行人检测方法包括：获取训练Gabor特征和训练HOG特征；将所述训练Gabor特征分别降维至各预设第一训练特征维度，得到各训练降维Gabor特征，以及将所述训练HOG特征分别降维至各预设第二训练特征维度，得到各训练降维HOG特征；将各所述训练降维Gabor特征和各所述训练降维HOG特征进行两两融合，得到各训练融合特征；依据各所述训练融合特征，分别训练各所述训练融合特征对应的图像分类器；依据各所述图像分类器对应的第一分类准确度以及各所述训练融合特征对应的特征融合效率，在各所述预设第一训练特征维度中选取所述预设第二特征维度以及在各所述预设第二训练特征维度中选取预设第三特征维度。4.如权利要求3所述行人检测方法，其特征在于，所述依据各所述图像分类器对应的第一分类准确度以及各所述训练融合特征对应的特征融合效率，在各所述预设第一训练特征维度中选取所述预设第二特征维度以及在各所述预设第二训练特征维度中选取预设第三特征维度的步骤，包括：获取各所述图像分类器对应的第一验证融合特征；分别将各所述第一验证融合特征降维至所述预设第一特征维度，得到各所述第一验证融合特征对应的验证降维融合特征；通过将各所述验证降维融合特征输入对应的图像分类器中进行分类，评估各所述图像分类器对应的第一分类准确度；获取各所述第一验证融合特征对应的特征融合消耗时长，以评估各所述第一验证融合特征对应的融合特征融合效率；
依据各所述特征融合效率以及各所述第一分类准确度，在各所述预设第一训练特征维度中选取所述预设...

【专利技术属性】
技术研发人员：邹宽中，
申请(专利权)人：歌尔科技有限公司，
类型：发明
国别省市：