行人检测方法、计算机设备和存储介质技术

本申请涉及一种行人检测方法、计算机设备和存储介质。所述方法包括：图形处理器GPU通过第一检测头和第二检测头分别检测目标图像中的行人信息，获得第一检测数据和第二检测数据；第一检测数据和第二检测数据分别包含多个行人信息以及各行人信息对应的输出顺序信息和置信度信息；根据各行人信息以及各输出顺序信息从第一检测数据和第二检测数据中筛选需进行非极大值抑制的行人信息；在非极大值抑制处理后，获得行人检测结果。本申请能加快行人检测速度，节省计算资源，还能更准确地检测出重叠的行人。重叠的行人。重叠的行人。

【技术实现步骤摘要】
行人检测方法、计算机设备和存储介质


[0001]本申请涉及行人检测
，特别是涉及一种行人检测方法、计算机设备和存储介质。

技术介绍

[0002]以下陈述仅提供与本申请有关的背景信息，而不必然地构成现有技术。
[0003]行人检测算法，例如FasterRegion
‑
CNN(ConvolutionalNeuralNetwork，卷积神经网络)算法，可分为三部分，即前处理，网络推理和后处理，其中，前处理主要用于对输入的原始图像执行诸如格式转换、缩放大小等处理并输出固定尺寸的图像，网络推理主要用于从该固定尺寸的图像中检测出各个检测框(一个检测框即对应一个行人)，由于网络推理可能将同一行人误识别为不同的行人(此时多个检测框会对应同一个行人)，因此在执行网络推理之后，还需要执行后处理(主要包括非极大值抑制处理)，以去除冗余的检测框。
[0004]在当前的一些应用于嵌入式设备的方案中，由图形处理器GPU执行上述前处理和网络推理的操作，而后处理这一部分操作，由于计算量大以及并行度低，因此通常放在中央处理器CPU上执行。然而，上述方案的行人检测速度仍无法满足部分场景的要求。
[0005]此外，技术人员还发现，当前的行人检测算法在执行非极大值抑制处理时，容易将重叠的行人误识别为同一行人，进而造成行人漏检的问题。

技术实现思路

[0006]本申请针对上述不足或缺点，提供了一种行人检测方法、计算机设备和存储介质，本申请实施例能够加快行人检测速度，节省计算资源，还能更准确地检测出重叠的行人，解决了行人漏检问题。
[0007]本申请根据第一方面提供了一种行人检测方法，该方法包括前处理、网络推理及后处理，在一些实施例中，该方法利用图形处理器GPU进行后处理，上述方法包括：
[0008]通过第一检测头和第二检测头分别检测目标图像中的行人信息，获得第一检测数据和第二检测数据；第一检测数据和第二检测数据分别包含多个行人信息以及各行人信息对应的输出顺序信息和置信度信息；
[0009]根据各行人信息以及各输出顺序信息从第一检测数据和第二检测数据中筛选需进行非极大值抑制的行人信息；
[0010]在非极大值抑制处理后，获得行人检测结果。
[0011]在一些实施例中，行人信息为检测框信息；
[0012]根据各行人信息以及各输出顺序信息从第一检测数据和第二检测数据中筛选需进行非极大值抑制的行人信息，包括：
[0013]将第一检测数据和第二检测数据中的行人信息对应的输出顺序信息进行两两比对；
[0014]若进行上述比对的任意两个行人信息的输出顺序信息不同，则计算上述任意两个
行人信息之间的重叠度；
[0015]当上述重叠度高于预设阈值时，去掉置信度低的候选框信息。
[0016]在一些实施例中，该方法还包括：若进行比对的任意两个行人信息的输出顺序信息相同，则保留上述任意两个行人信息。
[0017]在一些实施例中，在非极大值抑制处理后，获得行人检测结果，包括：
[0018]根据行人信息集合中剩余的行人信息生成目标图像的行人检测结果。
[0019]在一些实施例中，将第一检测数据和第二检测数据中的行人信息对应的输出顺序信息进行两两比对，若进行上述比对的任意两个行人信息的输出顺序信息不同，则计算上述任意两个行人信息之间的重叠度，当上述重叠度高于预设阈值时，去掉置信度低的行人信息，包括：
[0020]开启多个GPU线程；
[0021]为置信度最高至倒数第二高的每一行人信息创建对应的检测任务，并将检测任务分配给一个GPU线程进行处理；其中，GPU线程在处理检测任务时，将检测任务对应的行人信息的输出顺序信息与置信度更低的每一行人信息的输出顺序信息进行比对，若两个行人信息的输出顺序信息不同，则计算上述两个行人信息间的重叠度，当重叠度高于预设阈值时，去掉置信度低的行人信息。
[0022]在一些实施例中，上述方法还包括：
[0023]若两个行人信息的输出顺序信息相同，则保留上述两个行人信息，以及结束检测任务。
[0024]在一些实施例中，为置信度最高至倒数第二高的每一行人信息创建对应的检测任务之前，上述方法还包括：
[0025]按照置信度从高到低或从低到高的顺序，对第一检测数据和第二检测数据中的行人信息进行排序，以确定每一行人信息对应的置信度次序。
[0026]本申请根据第二方面提供了一种计算机设备，在一些实施例中，该计算机设备包括图形处理器GPU、存储器及存储在存储器上并可在GPU上运行的计算机程序；GPU执行计算机程序时实现上述任一实施例中提供的行人检测方法的步骤。
[0027]在一些实施例中，上述计算机设备为基于Orin芯片的车载嵌入式设备。
[0028]本申请根据第三方面提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述任一实施例中提供的行人检测方法的步骤。
[0029]在本申请的上述实施例中，通过将行人检测算法的后处理操作从中央处理器CPU移到图形处理器GPU中进行处理，使得整个行人检测算法均运行于GPU中，可以减少CPU和GPU之间进行数据交换所耗费的时间，进而加快了后处理操作的运行速度，从而实现提高行人检测速度的目的。本申请实施例还在后处理操作中增加了用于检测重叠行人的处理逻辑，即图形处理器GPU通过第一检测头和第二检测头分别检测目标图像中的行人信息，获得各包含多个行人信息以及各行人信息对应的输出顺序信息和置信度信息的第一检测数据和第二检测数据，之后根据各行人信息以及各行人信息对应的输出顺序信息从第一检测数据和第二检测数据中筛选需进行非极大值抑制的行人信息，在非极大值抑制处理后，即可获得行人检测结果，从而能够更准确地检测出重叠的行人，解决了行人漏检问题。
附图说明
[0030]图1为本申请根据一个或多个实施例提供的一种行人检测方法的流程示意图；
[0031]图2为本申请根据一个或多个实施例提供的确定需进行非极大值抑制的行人信息的流程示意图；
[0032]图3为本申请根据一个或多个实施例提供的计算机设备的内部结构图。
具体实施方式
[0033]为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅用以解释本申请，并不用于限定本申请。
[0034]本申请提供了一种行人检测方法。在一些实施例中，该行人检测方法应用于图形处理器GPU，其中，行人检测算法中的前处理、网络推理和后处理等操作均在GPU执行，相比现有方案所采用的将前处理、网络推理的操作放在图形处理器GPU执行，以及将后处理操作放在中央处理器CPU执行的方式，本实施例将整个行人检测算法放在GPU上执行，可以减少CPU和GPU之间进行数据交换所耗费的时间，进而加快了后处理操作的运行速度，从而实现提高行人检测速度的目的。
[0035]在本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种行人检测方法，包括前处理、网络推理及后处理，其特征在于，利用图形处理器GPU进行后处理，所述方法包括：通过第一检测头和第二检测头分别检测目标图像中的行人信息，获得第一检测数据和第二检测数据；所述第一检测数据和所述第二检测数据分别包含多个行人信息以及各行人信息对应的输出顺序信息和置信度信息；根据各所述行人信息以及各所述输出顺序信息从所述第一检测数据和所述第二检测数据中筛选需进行非极大值抑制的行人信息；在非极大值抑制处理后，获得行人检测结果。2.如权利要求1所述的方法，其特征在于，所述行人信息为检测框信息；根据各所述行人信息以及各所述输出顺序信息从所述第一检测数据和所述第二检测数据中筛选需进行非极大值抑制的行人信息，包括：将所述第一检测数据和所述第二检测数据中的行人信息对应的输出顺序信息进行两两比对；若进行所述比对的任意两个行人信息的输出顺序信息不同，则计算所述任意两个行人信息之间的重叠度；当所述重叠度高于预设阈值时，去掉置信度低的行人信息。3.如权利要求2所述的方法，其特征在于，所述方法还包括：若进行所述比对的任意两个行人信息的输出顺序信息相同，则保留所述任意两个行人信息。4.如权利要求3所述的方法，其特征在于，在非极大值抑制处理后，获得行人检测结果，包括：根据所述行人信息集合中剩余的行人信息生成所述目标图像的行人检测结果。5.如权利要求2所述的方法，其特征在于，将所述第一检测数据和所述第二检测数据中的行人信息对应的输出顺序信息进行两两比对；若进行所述比对的任意两个行人信息的输出顺序信息不同，则计...

【专利技术属性】
技术研发人员：金辰，
申请(专利权)人：华人运通上海自动驾驶科技有限公司，
类型：发明
国别省市：