[發明專利]一種行人檢測方法、裝置、設備及介質

在審

• 申請號: 202010192213.4
• 申請日: 2020-03-18
• 公開（公告）號: CN111753625A
• 公開（公告）日: 2020-10-09
• 發明（設計）人: 馬事偉;吳江旭;胡淼楓;王璟璟;聶銘君;劉永文;戚龍雨;石金玉;徐達煒;張然;趙旭民
• 申請（專利權）人: 北京沃東天駿信息技術有限公司;北京京東世紀貿易有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 孟金喆

本發明實施例公開了一種行人檢測方法、裝置、設備及介質，所述方法包括：獲取待檢測圖像；將待檢測圖像輸入至訓練好的單次目標檢測器中，獲取單次目標檢測器的輸出信息；根據單次目標檢測器的輸出信息，確定對待檢測圖像的行人檢測結果；其中，單次目標檢測器是預先對包含初始構建的單次目標檢測器和頭部檢測網絡的原始檢測模型，進行訓練得到的。本發明實施例提供的行人檢測方法通過使用預先對包含初始構建的單次目標檢測器和頭部檢測網絡的原始檢測模型，進行訓練得到的單次目標檢測器進行行人檢測，實現在保證單次目標檢測器的行人檢測速度的基礎上提高行人檢測精度。

技術領域

本發明實施例涉及目標檢測領域，尤其涉及一種行人檢測方法、裝置、設備及介質。

背景技術

行人檢測在計算機視覺領域中具有許多應用場景，比如安防監控、自動駕駛、機器人等。目前主流的行人檢測方法大都基于深度學習，比如基于候選區域的目標檢測器Faster RCNN，或者單次目標檢測器SSD、YOLO等。基于候選區域的目標檢測器分為兩部分，一部分是區域候選Region Proposal Networks，RPN)網絡，一部分是基于區域的卷積(FastR-CNN)網絡。使用時，先由RPN粗略地提取前景框的候選區域，再由Fast R-CNN對候選區域進行精調，回歸最終的物體坐標以及物體分類結果。單次目標檢測器沒有RPN網絡，直接回歸物體坐標以及物體分類結果。

在實現本發明的過程中，發明人發現現有技術中至少存在以下技術問題：上述方法在標準的行人檢測數據上已經取得了較好的結果，但在遮擋場景中(包括類內遮擋，人與人的遮擋，以及類間遮擋，人與物的遮擋等)，還未取得令人滿意的結果。目前，為提高遮擋場景下的行人識別精度，提出了一些應用在基于候選區域的目標檢測器的優化方法，但是基于候選區域的目標檢測器雖然精度高，但是速度較慢，而單次目標檢測器的速度較快，因此如何在保證單次目標檢測器的行人檢測速度的基礎上提高行人檢測精度是一個亟待解決的技術問題。

發明內容

本發明實施例提供了一種行人檢測方法、裝置、設備及介質，以實現在保證單次目標檢測器的行人檢測速度的基礎上提高行人檢測精度。

第一方面，本發明實施例提供了一種行人檢測方法，包括：

獲取待檢測圖像；

將所述待檢測圖像輸入至訓練好的單次目標檢測器中，獲取所述單次目標檢測器的輸出信息；

根據所述單次目標檢測器的輸出信息，確定對所述待檢測圖像的行人檢測結果；

其中，所述單次目標檢測器是預先對包含初始構建的單次目標檢測器和頭部檢測網絡的原始檢測模型，進行訓練得到的。

第二方面，本發明實施例還提供了一種行人檢測裝置，包括：

待檢測圖像獲取模塊，用于獲取待檢測圖像；

圖像行人檢測模塊，用于將所述待檢測圖像輸入至訓練好的單次目標檢測器中，獲取所述單次目標檢測器的輸出信息，其中，所述單次目標檢測器是預先對包含初始構建的單次目標檢測器和頭部檢測網絡的原始檢測模型，進行訓練得到的；

檢測結果確定模塊，用于根據所述單次目標檢測器的輸出信息，確定對所述待檢測圖像的行人檢測結果。

第三方面，本發明實施例還提供了一種計算機設備，所述設備包括：

一個或多個處理器；

存儲裝置，用于存儲一個或多個程序；

當所述一個或多個程序被所述一個或多個處理器執行，使得所述一個或多個處理器實現如本發明任意實施例所提供的行人檢測方法。

第四方面，本發明實施例還提供了一種計算機可讀存儲介質，其上存儲有計算機程序，該程序被處理器執行時實現如本發明任意實施例所提供的行人檢測方法。