[發明專利]目標行人檢測方法、裝置及電子設備在審
| 申請號: | 201810852732.1 | 申請日: | 2018-07-27 |
| 公開(公告)號: | CN108960199A | 公開(公告)日: | 2018-12-07 |
| 發明(設計)人: | 鄭鯤;魏孟飛;崔金嶺;李沈輝;翁羽 | 申請(專利權)人: | 北京工業大學 |
| 主分類號: | G06K9/00 | 分類號: | G06K9/00 |
| 代理公司: | 北京超凡志成知識產權代理事務所(普通合伙) 11371 | 代理人: | 唐維虎 |
| 地址: | 100000 *** | 國省代碼: | 北京;11 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 行人檢測 裝置及電子設備 環境圖像 車速 計算機視覺技術 篩選 輔助司機 用戶體驗 預先建立 有效地 駕駛 視角 | ||
1.一種目標行人檢測方法,其特征在于,包括:
獲取車輛當前前方視角的環境圖像;
通過預先建立的行人檢測模型,提取出所述環境圖像中的行人;
根據預先設定的行人與車速的對應關系,從所述行人中篩選出與所述車輛的當前車速對應的目標行人。
2.根據權利要求1所述的方法,其特征在于,所述行人檢測模型是基于SSD模型建立的;其中,所述行人檢測模型的Prior box參數與行人寬高比和行人尺度有關;
且,所述行人檢測模型的損失函數為focal loss函數。
3.根據權利要求2所述的方法,其特征在于,所述行人檢測模型的訓練過程包括:
獲取訓練數據;
將所述訓練數據輸入至所述行人檢測模型,通過隨機梯度下降法對所述行人檢測模型進行訓練,直至所述行人檢測模型的損失函數收斂至預設閾值時,結束訓練。
4.根據權利要求3所述的方法,其特征在于,所述行人檢測模型在訓練之前,所述方法還包括:
采用遷移學習法對基于SSD模型建立的行人檢測模型進行初始化,以得到符合預設參數范圍的所述行人檢測模型的參數初始值。
5.根據權利要求1所述的方法,其特征在于,所述從所述行人中篩選出與所述車輛的當前車速對應的目標行人的步驟,包括:
通過預先設定的第一對應表,查找與所述車輛的當前車速對應的距離范圍;其中,所述第一對應表中存儲有車速與所述距離范圍的對應關系;
根據所述距離范圍確定目標區域;
判斷每個所述行人是否位于所述目標區域;
將位于所述目標區域的行人確定為目標行人。
6.根據權利要求5所述的方法,其特征在于,所述判斷每個所述行人是否位于所述目標區域的步驟,包括:
獲取每個所述行人在所述環境圖像中的身長數據;
基于每個所述行人的身長數據以及預先設定的第二對應表,確定每個所述行人與所述車輛之間的距離值;其中,所述第二對應表中存儲有行人身長與距離值的對應關系;
逐一判斷每個所述行人與所述車輛之間的距離值是否在所述距離范圍內;
如果是,確定所述行人位于所述目標區域。
7.一種目標行人檢測裝置,其特征在于,包括:
圖像獲取模塊,用于獲取車輛當前前方視角的環境圖像;
行人提取模塊,用于通過預先建立的行人檢測模型,提取出所述環境圖像中的行人;
行人確定模塊,用于根據預先設定的行人與車速的對應關系,從所述行人中篩選出與所述車輛的當前車速對應的目標行人。
8.根據權利要求7所述的裝置,其特征在于,所述行人確定模塊用于:
通過預先設定的第一對應表,查找與所述車輛的當前車速對應的距離范圍;其中,所述第一對應表中存儲有車速與所述距離范圍的對應關系;
根據所述距離范圍確定目標區域;
判斷每個所述行人是否位于所述目標區域;
將位于所述目標區域的行人確定為目標行人。
9.一種電子設備,其特征在于,包括存儲器和處理器,所述存儲器中存儲有可在所述處理器上運行的計算機程序,所述處理器執行所述計算機程序時實現上述權利要求1至6任一項所述的方法的步驟。
10.一種計算機可讀存儲介質,所述計算機可讀存儲介質上存儲有計算機程序,其特征在于,所述計算機程序被處理器運行時執行上述權利要求1至6任一項所述的方法的步驟。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于北京工業大學,未經北京工業大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201810852732.1/1.html,轉載請聲明來源鉆瓜專利網。





