【技术实现步骤摘要】
本申请属于目标检测，尤其涉及一种行人检测(pedestrian detection)方法、电子设备及可读存储介质。
技术介绍
1、在计算机应用领域(如：人工智能系统、车辆辅助驾驶系统、智能机器人、人体行为分析以及智能交通等领域)，电子设备通常会对图像或视频序列中的行人进行检测，从而使得电子设备可以基于行人的位置，执行后续操作。例如，在智能机器人领域，智能机器人可以对图像中的行人进行检测，从而使得电子设备可以基于行人的位置，准确避让行人。
2、目前，通常采用基于深度卷积神经网络(convolutional neural network，cnn)的行人检测算法实现对行人检测的训练与分类。然而，相关的行人检测算法对图像或视频序列的处理时间较长，导致行人的检测反馈响应不及时，得到检测结果耗时较长。
技术实现思路
1、本申请实施例提供了一种行人检测方法、电子设备及可读存储介质，可以加快检测算法的推理速度，更快地得出检测结果。
2、第一方面，本申请实施例提供了一种行人检测方法，行人检测方法包括：
3、基于待检测图像确定第一图像，第一图像中包括目标行人；
4、将第一图像输入至人体检测模型中，得到检测结果；人体检测模型是基于训练样本集进行训练得到的，人体检测模型至少包括特征提取层，其中，特征提取层用于提取第一图像的特征；特征提取层由第一特征提取层、第二特征提取层、第三特征提取层和第四特征提取层组成；
5、其中，第一特征提取层用于输出第一特
6、检测结果包括以下一项或多项：第一检测框，第二检测框和第三检测框，第一检测框用于标识目标行人的头部区域，第二检测框用于标识目标行人的上身区域，第三检测框用于标识目标行人的下身区域。
7、本申请实施例通过基于待检测图像确定第一图像，能够从待检测图像中截取出包括目标行人的图像，使得人体检测模型可以对指定大小的第一图像进行后续检测处理，加快推理速度。将第一图像输入至人体检测模型中，可得到检测结果，能够通过人体检测模型中的四个特征提取层实现对第一图像的特征提取，可以加快特征提取的速度。并且，通过增加特征图的数量，能够使得目标行人的检测结果更准确。也就是说，通过四个特征提取层能够准确提取出目标行人的头部区域、上身区域和下身区域。从而，可以加快行人检测的速度，得到准确的检测结果。
8、在一种可能的实现方式中，第一特征提取层包括第一卷积算子、第二卷积算子、激活函数和拼接融合算子；第一特征图通过以下方法获得：
9、利用第一卷积算子对第五特征图进行卷积运算，得到卷积运算后的第五特征图，以及利用激活函数对卷积运算后的第五特征图进行非线性映射，得到第一中间图；第五特征图为输入至第一特征提取层的特征图；
10、利用第二卷积算子对第一中间图进行卷积运算，得到卷积运算后的第一中间图，以及利用激活函数对卷积运算后的第一中间图进行非线性映射，得到第二中间图；
11、利用拼接融合算子对第五特征图和第二中间图进行特征融合，得到第三中间图；
12、利用第一卷积算子对第三中间图进行卷积运算，得到卷积运算后的第三中间图，以及利用激活函数对卷积运算后的第三中间图进行非线性映射，得到第四中间图；
13、利用第二卷积算子对第四中间图进行卷积运算，得到卷积运算后的第四中间图，以及利用激活函数对卷积运算后的第四中间图进行非线性映射，得到第五中间图；
14、利用拼接融合算子对第三中间图和第五中间图进行特征融合，得到第一特征图。
15、在一种可能的实现方式中，人体检测模型还包括输入层、卷积层、最大池化层、过渡层、上采样层、拼接融合层和输出层；输入层用于输入第一图像；卷积层用于对输入层输出的第一图像进行卷积运算，得到卷积运算后的特征图；最大池化层用于对卷积层输出的特征图进行降维处理，得到降维处理后的特征图；过渡层用于减少卷积层输出的特征图的数量；上采样层用于对卷积层输出的特征图进行聚合处理，得到聚合处理后的特征图；拼接融合层用于对不同卷积层输出的特征图进行特征融合，得到特征融合后的特征图；输出层用于输出检测结果。
16、在一种可能的实现方式中，训练样本集包括第一样本图像集和第二样本图像集；第一样本图像集为对多个行人中的每个行人的身体部位和各个身体部位的坐标信息进行标注后的图像的集合，行人的身体部位包括以下中的一项或多项：头部、上身和下身；人体检测模型采用以下训练方法得到：
17、获取第一样本图像集；
18、对第一样本图像集进行数据增广处理，得到第二样本图像集，数据增广处理包括以下处理方式中的一种或多种：对称处理、缩放处理和平移处理；
19、将第一样本图像集和第二样本图像集，输入至原始人体检测模型进行训练，得到人体检测模型。
20、在一种可能的实现方式中，该行人检测方法还包括：
21、将第一图像输入至人体检测模型中，得到多个头部预测框、多个上身预测框和多个下身预测框；
22、对多个头部预测框进行剔除处理，得到第一检测框，对多个上身预测框进行剔除处理，得到第二检测框，以及，对多个下身预测框进行剔除处理，得到第三检测框；其中，检测结果包括第一检测框、第二检测框以及第三检测框。
23、在一种可能的实现方式中，该行人检测方法还包括：判断多个头部预测框中的每个头部预测框的置信度是否小于第一阈值，第一阈值为预先设置的预测框置信度值；
24、若是，则对多个头部预测框中置信度小于第一阈值的头部预测框进行剔除处理，得到第一剩余预测框，第一剩余预测框包括一个或多个头部预测框；
25、判断第一剩余预测框中的每个头部预测框的交并比是否大于第二阈值，第二阈值为预先设置的预测框交并比值；
26、若是，则对第一剩余预测框中交并比大于第二阈值的头部预测框进行剔除处理，得到第一检测框。
27、在一种可能的实现方式中，该行人检测方法还包括：获取待检测图像，待检测图像包括多个行人，多个行人包括目标行人，每个行人在待检测图像中具有对应的坐标信息；
28、根据目标行人的坐标信息，从待检测图像中截取出第一图像。
29、在一种可能的实现方式中，在将第一图像输入至人体检测模型之前，该行人检测方法还包括：
30、将第一图像的尺寸调整为预设尺寸，得到调整尺寸后的第一图像，预设尺寸是指事先设置的输入至人体检测模型中的图像的大小；
31、对调整尺寸后的第一图像进行去均值处理和/或归一化处理，得到预处理后的第一图像；
32、其中，将第一图像输入至人体检测模型中，包括：
本文档来自技高网...
【技术保护点】
1.一种行人检测方法，其特征在于，所述方法包括：
2.如权利要求1所述的方法，其特征在于，所述第一特征提取层包括第一卷积算子、第二卷积算子、激活函数和拼接融合算子；所述第一特征图通过以下方法获得：
3.如权利要求1所述的方法，其特征在于，所述人体检测模型还包括输入层、卷积层、最大池化层、过渡层、上采样层、拼接融合层和输出层；
4.如权利要求1-3任一项所述的方法，其特征在于，所述训练样本集包括第一样本图像集和第二样本图像集；所述第一样本图像集为对多个行人中的每个行人的身体部位和各个身体部位的坐标信息进行标注后的图像的集合，所述行人的身体部位包括以下中的一项或多项：头部、上身和下身；
5.如权利要求1-3任一项所述的方法，其特征在于，所述将所述第一图像输入至人体检测模型中，得到检测结果，包括：
6.如权利要求5所述的方法，其特征在于，所述对所述多个头部预测框进行剔除处理，得到所述第一检测框，包括：
7.如权利要求1-3任一项所述的方法，其特征在于，所述基于待检测图像确定第一图像，包括：
8.如权利要
9.一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-8任一项所述的方法。
10.一种可读存储介质，所述可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-8任一项所述的方法。
...【技术特征摘要】
1.一种行人检测方法，其特征在于，所述方法包括：
2.如权利要求1所述的方法，其特征在于，所述第一特征提取层包括第一卷积算子、第二卷积算子、激活函数和拼接融合算子；所述第一特征图通过以下方法获得：
3.如权利要求1所述的方法，其特征在于，所述人体检测模型还包括输入层、卷积层、最大池化层、过渡层、上采样层、拼接融合层和输出层；
4.如权利要求1-3任一项所述的方法，其特征在于，所述训练样本集包括第一样本图像集和第二样本图像集；所述第一样本图像集为对多个行人中的每个行人的身体部位和各个身体部位的坐标信息进行标注后的图像的集合，所述行人的身体部位包括以下中的一项或多项：头部、上身和下身；
5.如权利要求1-3任一项所述的方法，其特征在于，所述将所述第一图像输...
【专利技术属性】
技术研发人员：古川南，周庆标，王忠，
申请(专利权)人：熵基科技股份有限公司，
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。