【技术实现步骤摘要】
本专利技术涉及人体检测领域，具体涉及一种高精度人体遮挡的检测方法、装置及计算机装置。
技术介绍
1、在人流密集的场景，人体检测往往面对着更大的挑战。在这种应用场景下，人体大部分可能存在被遮挡的情况，因此导致视觉特征不足的情况。在这种场景下，一般基于目标检测算法的人体检测模型并不具有很好的检出率，会存在漏检情况。
2、现有技术如cn116363692a公开的一种人体遮挡检测方法、计算机设备和存储介质，人体遮挡检测方法包括：获取待处理图像，裁减出待处理图像中的人体图像；将人体图像输入神经网络模型，获取人体图像的关键点位置和语义分割结果，基于关键点位置和语义分割结果获取人体图像的人体区域分割图像，人体区域分割图像包括多个分割区域，每个分割区域具有对应的像素值；获取关键点位置在人体区域分割图像中对应的点的图像像素值，判断图像像素值是否为有效像素值；若是，则获取各个分割区域的有效像素值区域面积和区域连通性，基于有效像素值区域面积和/或区域连通性判断各个分割区域是否被遮挡。能够提升人体遮挡检测的可靠性和准确性。
3、但该方案仅通过每个分割区域的所述有效像素值区域面积和/或所述区域连通性判断各个所述分割区域是否被遮挡，判断因素单一，并且缺少对真实检测结果的处理过程，导致其检测精度不高。
技术实现思路
1、本专利技术的目的在于克服现有技术的缺点，提供一种高精度人体遮挡的检测方法、装置及计算机装置，提高了人体遮挡检测的精度。
2、本专利技术采取如下技术方案实现上述
3、对待检测的目标图像进行检测，获得检测的边界框，同时对待检测的目标图像进行分割，将分割结果转换，获得分割的边界框；
4、对检测的边界框以及分割的边界框进行nms(non-maximum suppression，非极大值抑制)去重，去重后进行iou(intersection overunion，交并比)匹配，若满足iou匹配，则计算iou损失，通过iou损失约束分割结果与检测结果的差异；
5、若不满足iou匹配，对于检测的边界框缺失的情况以及分割的边界框与检测的边界框都存在，但iou匹配时达不到设定的iou阈值导致无法匹配的情况，则基于动态损失权重，利用分割结果对检测结果进行优化，对于分割的边界框缺失的情况，则基于动态损失权重，利用检测结果对分割结果进行优化。
6、进一步的是，若满足iou匹配，则计算iou损失，通过iou损失约束分割结果与检测结果的差异具体包括：
7、若满足iou匹配，则将检测的边界框以及分割的边界框合成一个新的边界框，该新的边界框为检测的边界框以及分割的边界框最左、最右、最上、最下像素所构成的新的矩形，对于该新的矩形，使用iou损失计算其与真实坐标框的iou损失，通过iou损失约束分割结果与检测结果的差异。
8、进一步的是，基于动态损失权重，利用分割结果对检测结果进行优化具体包括：
9、若某个分割的边界框没有匹配到对应检测的边界框，则判定该检测的边界框所覆盖的位置属于哪种遮挡等级，每一遮挡等级对应一个更高的权重系数，基于该权重系数对未匹配到的检测的边界框损失进行动态加权，方式如下：
10、
11、其中，levelz表示遮挡等级，level0的取值为1，z的取值为0，1，2，3，l为边界框损失，n为本张图包含真实边界框的数量。
12、进一步的是，基于动态损失权重，利用检测结果对分割结果进行优化具体包括：根据检测的边界框，对处于检测的边界框内的，属于人体像素部分的损失进行加权，加权方式如下：
13、
14、其中，levelbc初始取值为1，若像素被检测的边界框覆盖，则提升其损失，增加levelbc的值，lseg表示分割得到的交叉熵损失，total_pixel表示特征图的总像素数量，li,j表示表特征图上每个像素位置的损失值。
15、进一步的是，该方法还包括：若某个区域产生分割结果并有连续的像素置信度超过某个阈值，但该区域没有检测的边界框存在，则仅根据分割结果，通过采样最高、最低、最左、最右的分割像素，衍生出检测的边界框。
16、第二方面，本专利技术提供一种高精度人体遮挡的检测装置，用于实现如上述所述的高精度人体遮挡的检测方法，所述装置包括：
17、检测模块，对待检测的目标图像进行检测，获得检测的边界框，
18、分割模块，对待检测的目标图像进行分割，将分割结果转换，获得分割的边界框；
19、去重模块，对检测的边界框以及分割的边界框进行nms去重，
20、iou匹配模块，去重后进行iou匹配，若满足iou匹配，则计算iou损失，通过iou损失约束分割结果与检测结果的差异；若不满足iou匹配，对于检测的边界框缺失的情况以及分割的边界框与检测的边界框都存在，但iou匹配时达不到设定的iou阈值导致无法匹配的情况，则基于动态损失权重，利用分割结果对检测结果进行优化，对于分割的边界框缺失的情况，则基于动态损失权重，利用检测结果对分割结果进行优化。
21、进一步的是，iou匹配模块具体用于，若满足iou匹配，则将检测的边界框以及分割的边界框合成一个新的边界框，该新的边界框为检测的边界框以及分割的边界框最左、最右、最上、最下像素所构成的新的矩形，对于该新的矩形，使用iou损失计算其与真实坐标框的iou损失，通过iou损失约束分割结果与检测结果的差异。
22、进一步的是，iou匹配模块具体还用于，若某个分割的边界框没有匹配到对应检测的边界框，则判定该检测的边界框所覆盖的位置属于哪种遮挡等级，每一遮挡等级对应一个更高的权重系数，基于该权重系数对未匹配到的检测的边界框损失进行动态加权，方式如下：
23、
24、其中，levelz表示遮挡等级，level0的取值为1，z的取值为0，1，2，3，l为边界框损失，n为本张图包含真实边界框的数量。
25、进一步的是，iou匹配模块具体还用于，根据检测的边界框，对处于检测的边界框内的，属于人体像素部分的损失进行加权，加权方式如下：
26、
27、其中，levelbc初始取值为1，若像素被检测的边界框覆盖，则提升其损失，增加levelbc的值，lseg表示分割得到的交叉熵损失，total_pixel表示特征图的总像素数量，li,j表示表特征图上每个像素位置的损失值。
28、第三方面，本专利技术提供了一种计算机装置，包括存储器，所述存储器存储有程序指令，所述程序指令运行时，执行如上述所述的高精度人体遮挡的检测方法。
29、本专利技术的有益效果为：
30、本专利技术在目标检测算法的基础上引入了分割算法，即在检测的同时，并行的对待进行人形检测图像上的人体分割，在获得分割的特征图后，将分割的结果和检测的结果进行匹配，若存在匹配缺失，则增本文档来自技高网...
【技术保护点】
1.一种高精度人体遮挡的检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的高精度人体遮挡的检测方法，其特征在于，若满足IoU匹配，则计算IoU损失，通过IoU损失约束分割结果与检测结果的差异具体包括：
3.根据权利要求1所述的高精度人体遮挡的检测方法，其特征在于，基于动态损失权重，利用分割结果对检测结果进行优化具体包括：
4.根据权利要求1所述的高精度人体遮挡的检测方法，其特征在于，基于动态损失权重，利用检测结果对分割结果进行优化具体包括：若分割边界框缺失，根据检测的边界框，对处于检测的边界框内的，属于人体像素部分的损失进行加权，加权方式如下：
5.根据权利要求1所述的高精度人体遮挡的检测方法，其特征在于，该方法还包括：若某个区域产生分割结果并有连续的像素置信度超过某个阈值，但该区域没有检测的边界框存在，则仅根据分割结果，通过采样最高、最低、最左、最右的分割像素，衍生出检测的边界框。
6.一种高精度人体遮挡的检测装置，用于实现如权利要求1-5任意一项所述的高精度人体遮挡的检测方法，其特征在于，所述装置包括：<...
【技术特征摘要】
1.一种高精度人体遮挡的检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的高精度人体遮挡的检测方法，其特征在于，若满足iou匹配，则计算iou损失，通过iou损失约束分割结果与检测结果的差异具体包括：
3.根据权利要求1所述的高精度人体遮挡的检测方法，其特征在于，基于动态损失权重，利用分割结果对检测结果进行优化具体包括：
4.根据权利要求1所述的高精度人体遮挡的检测方法，其特征在于，基于动态损失权重，利用检测结果对分割结果进行优化具体包括：若分割边界框缺失，根据检测的边界框，对处于检测的边界框内的，属于人体像素部分的损失进行加权，加权方式如下：
5.根据权利要求1所述的高精度人体遮挡的检测方法，其特征在于，该方法还包括：若某个区域产生分割结果并有连续的像素置信度超过某个阈值，但该区域没有检测的边界框存在，则仅根据分割结果，通过采样最高、最低、最左、最右的分割像素，衍生出检测的边界框。
6.一种高精度人体遮挡的检测装置，用于实现如权利要求1-5任意一项所述的高精度人体遮挡的检测方法，其特征在于，所述装置包括：
7.根据...
【专利技术属性】
技术研发人员：申啸尘，周有喜，邹春友，
申请(专利权)人：深圳市芯联信息技术有限公司，
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。