[發明專利]行人檢測的方法及裝置

有效

• 申請號: 201710064338.7
• 申請日: 2017-02-04
• 公開（公告）號: CN106803083B
• 公開（公告）日: 2021-03-19
• 發明（設計）人: 肖特特;茅佳源
• 申請（專利權）人: 北京曠視科技有限公司;北京邁格威科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04
• 代理公司: 北京市磐華律師事務所 11336
• 代理人: 高偉;劉愛平

本發明實施例提供了一種行人檢測的方法，包括：接收待檢測圖片；采用神經網絡，確定所述待檢測圖片中的行人信息，所述行人信息包括行人的位置以及所述行人的關鍵點位置；對所述待檢測圖片中的所述行人信息進行后處理，得到所述行人檢測的結果。由此可見，本發明實施例對于待檢測圖片，可以采用神經網絡，得到行人位置和行人的關鍵點信息，這樣通過引入行人的關鍵點信息，解決了傳統行人檢測方法中難以解決的遮擋和重疊問題，提升了檢測的精確度。

技術領域

本發明涉及圖像識別領域，更具體地涉及一種行人檢測的方法及裝置。

背景技術

行人檢測是通用物體檢測的子問題，吸引了學術界和工業界的大量興趣。首先，行人檢測可以應用于安防、自動(輔助)駕駛、智能監控和人機交互等多個領域，是一項基本且重要的技術。

現有的行人檢測無法解決遮擋、人體重疊等問題。遮擋，指由于存在障礙物導致目標只有部分可見，常見的遮擋后果是人體只有上(下)半身或左(右)半身可見。人體重疊，指兩人及以上在圖片中的位置關系發生重合，常見的人體重疊多見于人群較為密集的場景。

遮擋及重疊是行人檢測中最棘手的兩個問題。部分不可見會降低傳統行人檢測方法的檢出率；重疊對技術的要求則更高，因為對于重疊的人，神經網絡更傾向于將兩人(甚至多人)檢測為同一個人，即不能將重疊的目標劃分開來。同時，現有的行人檢測技術通常需要在后期處理中運用“非最大抑制”的方法。“非最大抑制”是為了處理神經網絡對同一個人報出兩次(或多次)檢測，因此需對多個空間位置接近的檢測結果進行合并。在重疊的情況下，非最大抑制還會導致對不同目標的檢測結果被誤合并。

發明內容

考慮到上述問題而提出了本發明。本發明提供了一種行人檢測的方法，能夠在基于待檢測圖片中的行人信息，得到行人檢測的結果，從而能夠提高行人檢測的精度。

根據本發明的第一方面，提供了一種行人檢測的方法，包括：

接收待檢測圖片；

采用神經網絡，確定所述待檢測圖片中的行人信息，所述行人信息包括行人的位置以及所述行人的關鍵點位置；

對所述待檢測圖片中的所述行人信息進行后處理，得到所述行人檢測的結果。

示例性地，所述行人的關鍵點位置包括以下中的至少一項：頭部位置、左肩位置、右肩位置、左膝位置、右膝位置、左腳位置、右腳位置。

示例性地，所述對所述待檢測圖片中的所述行人信息進行后處理，得到所述行人檢測的結果，包括：

對所述待檢測圖片中的所述行人信息進行過濾，得到所述行人信息中的高概率行人信息；

對所述高概率行人信息進行處理，得到所述行人檢測的結果，

其中，所述高概率行人信息為概率值大于或等于概率閾值的行人信息，所述概率閾值為預設概率值。

示例性地，所述對所述高概率行人信息進行處理，得到所述行人檢測的結果，包括：根據所述高概率行人信息中的所述行人的關鍵點位置，得到所述行人檢測的結果。

示例性地，所述根據所述高概率行人信息中的所述行人的關鍵點位置，得到所述行人檢測的結果，包括：根據所述高概率行人信息中的相鄰的兩個所述行人信息中所述關鍵點的空間位置與距離確定所述相鄰的兩個所述行人信息是否屬于同一行人，以得到所述行人檢測的結果。

示例性地，所述根據所述高概率行人信息中的所述行人的關鍵點位置，得到所述行人檢測的結果，包括：根據所述高概率行人信息中的相鄰的兩個所述行人信息中所述關鍵點的空間位置與距離確定所述相鄰的兩個所述行人信息是否屬于同一行人，若所述相鄰的兩個所述行人信息屬于同一行人，則利用非最大抑制方法，對所述相鄰的兩個所述行人信息進行合并操作，得到所述行人檢測的結果。