System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请实施例涉及图像检测,具体涉及一种人体检测方法、装置、设备及计算机可读存储介质。
技术介绍
1、图像检测,主要是指识别出图像中的特定对象,例如人体、文本信息等等。随着技术的发展,图像检测应用于越来越多的领域当中。
2、然而,目前主流的基于深度学习的人体检测算法,训练得到的人体检测模型并不具备很强的泛化性,即人体检测算法会受制于数据集的背景信息,在a场景下训练的人体检测模型通常只能应用于与a场景相同或相似的人体检测任务中,而在其他场景中则检测效果较差。而针对于每一业务场景去训练对应的效果好的人体检测模型,则需要消耗大量的人力物力资源进行数据的收集、标注等工作,工期冗长。
技术实现思路
1、本申请实施例提供一种人体检测方法、装置、设备及计算机可读存储介质,旨在解决现有的人体检测方法存在的无法利用较少的资源消耗训练得到泛化性好的人体检测模型的问题。
2、一方面,本申请实施例提供一种人体检测方法,包括:
3、将获取的待检测的目标图像输入至预设的人体检测模型,得到初始人体区域;
4、将所述初始人体区域输入至已训练的匹配模型,得到所述初始人体区域对应的初始区域特征;
5、获取预先将预设的场景样本图像输入至所述匹配模型处理得到的场景人体特征;
6、根据所述初始区域特征和所述场景人体特征,从所述初始人体区域中筛选出目标人体区域。
7、作为本申请的一种可选实施例,所述将所述初始人体区域输入至已训练的匹配模型,得到
8、获取训练样本图像中的人体标签区域和背景标签区域;
9、将所述人体标签区域输入至预设的初始匹配模型,得到所述人体标签区域对应的人体区域特征;
10、将所述背景标签区域输入至所述初始匹配模型,得到所述背景标签区域对应的背景区域特征;
11、根据所述人体区域特征和所述背景区域特征,对所述初始匹配模型进行训练,得到已训练的匹配模型。
12、作为本申请的一种可选实施例,所述根据所述人体区域特征和所述背景区域特征,对所述初始匹配模型进行训练,得到已训练的匹配模型,包括:
13、计算所述人体区域特征中第一人体特征与第二人体特征之间之间的第一特征距离;
14、计算所述人体区域特征与所述背景区域特征之间的第二特征距离;
15、根据所述第一特征距离和所述第二特征距离对所述初始匹配模型进行更新,得到更新后的匹配模型;
16、直至将训练样本图像输入至更新后的匹配模型得到的第一特征距离和第二特征距离满足预设条件时,将所述更新后的匹配模型设为已训练的匹配模型。
17、作为本申请的一种可选实施例,所述获取预先将预设的场景样本图像输入至所述匹配模型处理得到的场景人体特征之前,所述方法包括:
18、获取场景人体样本图像;
19、将所述场景人体样本图像输入至所述匹配模型,得到参考人体特征;
20、对所述参考人体特征进行聚类,得到场景人体特征。
21、作为本申请的一种可选实施例,所述对所述参考人体特征进行聚类,得到场景人体特征之后,所述方法包括:
22、将所述场景人体特征与所述场景人体样本图像对应的场景类型关联存储在预设数据库中;
23、所述获取预先将预设的场景人体样本图像输入至所述匹配模型处理得到的场景人体特征,包括:
24、查询预设数据库,获取与所述目标图像的场景类型关联的场景人体特征。
25、作为本申请的一种可选实施例,所述对所述参考人体特征进行聚类,得到场景人体特征之前,所述方法包括:
26、统计所述场景人体样本图像的图像数量;
27、若所述图像数量小于预设的图像数量阈值,则执行所述对所述参考人体特征进行聚类,得到场景人体特征的步骤;
28、若所述图像数量大于或等于所述图像数量阈值,则从所述参考人体特征中筛选出预设数量的目标区域特征,并将所述目标区域特征设为场景人体特征。
29、作为本申请的一种可选实施例,所述根据所述初始区域特征和所述场景人体特征,从所述初始人体区域中筛选出目标人体区域,包括:
30、针对每一初始区域特征,计算所述初始区域特征和各所述场景人体特征之间的特征距离;
31、统计所述特征距离小于预设距离阈值的场景人体特征的特征数量,并将所述特征数量与所述场景人体特征的数量之间的比值设为所述初始区域特征对应的匹配度;
32、将初始区域特征对应的匹配度大于预设阈值的初始人体区域设为目标人体区域。
33、另一方面,本申请实施例还提供一种人体检测装置,包括:
34、检测模块,用于将获取的待检测的目标图像输入至预设的人体检测模型,得到初始人体区域;
35、提取模块,用于将所述初始人体区域输入至已训练的匹配模型,得到所述初始人体区域对应的初始区域特征;
36、获取模块,用于获取预先将预设的场景样本图像输入至所述匹配模型处理得到的场景人体特征;
37、筛选模块,用于根据所述初始区域特征和所述场景人体特征,从所述初始人体区域中筛选出目标人体区域。
38、另一方面,本申请实施例还提供一种计算机设备,所述计算机设备包括处理器、存储器以及存储于所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序以实现上述的人体检测方法中的步骤。
39、另一方面,本申请实施例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计算机程序,所述计算机程序被处理器执行以实现上述的人体检测方法中的步骤。
40、本申请实施例提供的技术方案,在利用训练好的人体检测模型对图像进行处理得到初始人体区域后,再利用场景样本图像输入至人体检测模型处理得到的场景人体特征与初始人体区域的区域特征进行比对,由于场景人体特征中包含了不同场景下人体相关的特征信息,因此,利用场景人体特征能够从初始人体区域中筛选出更可能为真实结果的目标人体区域,在只需要少量资源训练得到一个人体检测模型的同时,提高了模型对各场景下人体检测的效果,从而提高了模型的泛化性。
本文档来自技高网...【技术保护点】
1.一种人体检测方法,其特征在于,包括:
2.根据权利要求1所述的人体检测方法,其特征在于,所述将所述初始人体区域输入至已训练的匹配模型,得到所述初始人体区域对应的区域特征之前,所述方法包括:
3.根据权利要求2所述的人体检测方法,其特征在于,所述根据所述人体区域特征和所述背景区域特征,对所述初始匹配模型进行训练,得到已训练的匹配模型,包括:
4.根据权利要求1所述的人体检测方法,其特征在于,所述获取预先将预设的场景样本图像输入至所述匹配模型处理得到的场景人体特征之前,所述方法包括:
5.根据权利要求4所述的人体检测方法,其特征在于,所述对所述参考人体特征进行聚类,得到场景人体特征之后,所述方法包括:
6.根据权利要求4所述的人体检测方法,其特征在于,所述对所述参考人体特征进行聚类,得到场景人体特征之前,所述方法包括:
7.根据权利要求1~6任一项所述的人体检测方法,其特征在于,所述根据所述初始区域特征和所述场景人体特征,从所述初始人体区域中筛选出目标人体区域,包括:
8.一种人体检测装置,其特征
9.一种计算机设备,其特征在于,所述计算机设备包括处理器、存储器以及存储于所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序以实现权利要求1至7任一项所述的人体检测方法中的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行以实现权利要求1至7任一项所述的人体检测方法中的步骤。
...【技术特征摘要】
1.一种人体检测方法,其特征在于,包括:
2.根据权利要求1所述的人体检测方法,其特征在于,所述将所述初始人体区域输入至已训练的匹配模型,得到所述初始人体区域对应的区域特征之前,所述方法包括:
3.根据权利要求2所述的人体检测方法,其特征在于,所述根据所述人体区域特征和所述背景区域特征,对所述初始匹配模型进行训练,得到已训练的匹配模型,包括:
4.根据权利要求1所述的人体检测方法,其特征在于,所述获取预先将预设的场景样本图像输入至所述匹配模型处理得到的场景人体特征之前,所述方法包括:
5.根据权利要求4所述的人体检测方法,其特征在于,所述对所述参考人体特征进行聚类,得到场景人体特征之后,所述方法包括:
6.根据权利要求4所述的人体检测...
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。