一种多级行人检测方法、装置和存储介质，该方法包括：获取待检测图像，由行人检测器对待检测图像进行行人检测，输出初始行人检测结果；当初始行人检测结果包括待检测图像中的行人区域图像时，由方差过滤器计算行人区域图像的像素值的方差；当方差大于方差阈值时，由行人分类器对行人区域图像进行行人分类，得到待检测图像的最终行人检测结果。该方法和装置采用多模块级联的方式实现行人检测，在获取待检测图像后，首先采用行人检测器输出初始行人检测结果，然后将初始行人检测结果中的被初始判定包括行人目标的行人区域图像经方差过滤器过滤，过滤掉背景误检测框，最后再通过行人分类器再次过滤，能够提高行人检测精度。能够提高行人检测精度。能够提高行人检测精度。
【技术实现步骤摘要】
多级行人检测方法、装置和存储介质
[0001]本申请涉及行人检测
，更具体地涉及一种多级行人检测方法、装置和存储介质。
技术介绍
[0002]安全是当今社会稳步发展的基础，随着人工智能技术的迅速发展，越来越多的企业开始使用人工智能技术加强现代化的安防防护。安防领域中最基础的人工智能技术就是行人检测。当有行人走进摄像头的监控区域时，摄像头通过视觉算法检测到行人并触发录像功能，同时对人的行为分析，一旦出现入侵、盗劫等犯罪活动，安全技术防范系统能及时发现并报警，这样可以大大减少巡逻值班人员的工作强度。检测技术是最基础和最重要的环节，由于现实场景复杂多变，非常容易造成行人检测的误触发，产生一系列错误上报。
技术实现思路
[0003]为了解决上述问题而提出了本申请。根据本申请一方面，提供了一种多级行人检测方法，所述方法包括：获取待检测图像，由行人检测器对所述待检测图像进行行人检测，输出初始行人检测结果；当所述初始行人检测结果包括所述待检测图像中的行人区域图像时，由方差过滤器计算所述行人区域图像的像素值的方差；当所述方差大于方差阈值时，由行人分类器对所述行人区域图像进行行人分类，得到所述待检测图像的最终行人检测结果。
[0004]在本申请的一个实施例中，所述行人检测器采用第一阈值和第二阈值执行所述行人检测，所述第一阈值小于所述第二阈值，所述初始行人检测结果包括输出带有分值的行人检测框；当所述行人检测框的分值介于所述第一阈值和所述第二阈值之间时，所述行人检测器输出所述行人检测框的坐标，以裁剪出所述行人区域图像输入到所述方差过滤器。
[0005]在本申请的一个实施例中，当所述行人检测框的分值小于所述第一阈值时，确定所述行人检测框中不包括行人目标；当所述行人检测框的分值大于所述第二阈值时，确定所述行人检测框中包括行人目标，并将所述行人检测框的坐标输出为所述待检测图像的最终行人检测结果。
[0006]在本申请的一个实施例中，所述第一阈值是基于所述行人检测器在误检测试集上的平均误减率而设置的。
[0007]在本申请的一个实施例中，所述第二阈值是基于所述行人检测器在正检测试集上的召回率和精确率而设置的。
[0008]在本申请的一个实施例中，所述方差过滤器计算所述行人区域图像的像素值的方差，包括：将所述行人区域图像转换为目标灰度图像；计算所述目标灰度图像的像素灰度值的方差。
[0009]在本申请的一个实施例中，所述方差阈值是基于如下过程计算得到的：将所述待检测图像转换为待检测灰度图像；将所述待检测灰度图像均匀划分为多个矩形图像块；计
算每个所述图像块的灰度值方差；将所有所述图像块按照灰度值方差从小到大的顺序排序；将排序在前N位的所述图像块的灰度值方差的均值作为所述方差阈值，所述N的取值根据需求设定。
[0010]在本申请的一个实施例中，当所述行人区域图像的像素值的方差小于或等于所述方差阈值时，确定所述行人区域图像中不包括行人目标。
[0011]在本申请的一个实施例中，所述方法还包括：在由所述行人分类器对所述行人区域图像进行行人分类之前，将所述行人区域图像进行图像缩放，且图像缩放后保持所述行人区域图像的原始长宽比例。
[0012]在本申请的一个实施例中，所述行人分类器的分类阈值是基于F1分数而设置的，所述最终行人检测结果包括所述行人区域图像的分值，当所述行人区域图像的分值大于所述分类阈值时，确定所述行人区域图像中包括行人目标。
[0013]根据本申请另一方面，提供了一种多级行人检测装置，所述装置包括存储器和处理器，所述存储器上存储有由所述处理器运行的计算机程序，所述计算机程序在被所述处理器运行时，使得所述处理器执行上述多级行人检测方法。
[0014]根据本申请再一方面，提供了一种存储介质，所述存储介质上存储有由处理器运行的计算机程序，所述计算机程序在被所述处理器运行时，使得所述处理器执行上述多级行人检测方法。
[0015]根据本申请实施例的多级行人检测方法和装置采用多模块级联的方式实现行人检测，在获取待检测图像后，首先采用行人检测器输出初始行人检测结果，然后将初始行人检测结果中的被初始判定包括行人目标的行人区域图像经方差过滤器过滤，过滤掉背景误检测框，最后再通过行人分类器再次过滤，能够提高行人检测精度。
附图说明
[0016]通过结合附图对本申请实施例进行更详细的描述，本申请的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本申请实施例的进一步理解，并且构成说明书的一部分，与本申请实施例一起用于解释本申请，并不构成对本申请的限制。在附图中，相同的参考标号通常代表相同部件或步骤。
[0017]图1示出用于实现根据本专利技术实施例的多级行人检测方法和装置的示例电子设备的示意性框图。
[0018]图2示出根据本申请实施例的多级行人检测方法的示意性流程图。
[0019]图3示出根据本申请实施例的多级行人检测方法中采用的双阈值行人检测器进行行人检测的示意图。
[0020]图4示出根据本申请实施例的多级行人检测方法中采用的方差过滤器将图像均匀分块的示意图。
[0021]图5示出根据本申请实施例的多级行人检测方法中使用letterbox(保持原图长宽比例的缩放)前后的对比图。
[0022]图6示出根据本申请实施例的多级行人检测方法中采用的行人分类器进行行人分类的示意图。
[0023]图7示出根据本申请实施例的多级行人检测方法的详细方框流程图。
[0024]图8示出根据本申请实施例的多级行人检测装置的示意性框图。
具体实施方式
[0025]为了使得本申请的目的、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申请的示例实施例。显然，所描述的实施例仅仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。基于本申请中描述的本申请实施例，本领域技术人员在没有付出创造性劳动的情况下所得到的所有其他实施例都应落入本申请的保护范围之内。
[0026]首先，参照图1来描述用于实现本专利技术实施例的多级行人检测、人脸关键点检测模型训练方法和人脸检测方法的示例电子设备100。
[0027]如图1所示，电子设备100包括一个或多个处理器102、一个或多个存储装置104、输入装置106以及输出装置108，这些组件通过总线系统110和/或其他形式的连接机构(未示出)互连。应当注意，图1所示的电子设备100的组件和结构只是示例性的，而非限制性的，根据需要，所述电子设备也可以具有其他组件和结构。
[0028]所述处理器102可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元，并且可以控制所述电子设备100中的其他组件以执行期望的功能。
[0029]所述存储装置104可以包括一个或多个计算机程序产品，所述计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种多级行人检测方法，其特征在于，所述方法包括：获取待检测图像，由行人检测器对所述待检测图像进行行人检测，输出初始行人检测结果；当所述初始行人检测结果包括所述待检测图像中的行人区域图像时，由方差过滤器计算所述行人区域图像的像素值的方差；当所述方差大于方差阈值时，由行人分类器对所述行人区域图像进行行人分类，得到所述待检测图像的最终行人检测结果。2.根据权利要求1所述的方法，其特征在于，所述行人检测器采用第一阈值和第二阈值执行所述行人检测，所述第一阈值小于所述第二阈值，所述初始行人检测结果包括输出带有分值的行人检测框；当所述行人检测框的分值介于所述第一阈值和所述第二阈值之间时，所述行人检测器输出所述行人检测框的坐标，以裁剪出所述行人区域图像并输入到所述方差过滤器。3.根据权利要求2所述的方法，其特征在于，当所述行人检测框的分值小于所述第一阈值时，确定所述行人检测框中不包括行人目标；当所述行人检测框的分值大于所述第二阈值时，确定所述行人检测框中包括行人目标，并将所述行人检测框的坐标输出为所述待检测图像的最终行人检测结果。4.根据权利要求2所述的方法，其特征在于，所述第一阈值是基于所述行人检测器在误检测试集上的平均误减率而设置的；所述第二阈值是基于所述行人检测器在正检测试集上的召回率和精确率而设置的。5.根据权利要求1
‑
4中的任一项所述的方法，其特征在于，所述方差过滤器计算所述行人区域图像的像素值的方差，包括：将所述行人区域图像转换为目标灰度图像；计算所述目标灰度图像的像素灰度值的方差。6.根据权利要求5所述的方法，其特征在于，所述方差阈值是基于如...
【专利技术属性】
技术研发人员：张彦彬，
申请(专利权)人：深圳海翼智新科技有限公司，
类型：发明
国别省市：
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。