[發明專利]基于人工智能的行人檢測方法、裝置、設備及介質

有效

• 申請號: 202011011567.0
• 申請日: 2020-09-23
• 公開（公告）號: CN111931729B
• 公開（公告）日: 2021-01-08
• 發明（設計）人: 吳曉東
• 申請（專利權）人: 平安國際智慧城市科技股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 深圳市賽恩倍吉知識產權代理有限公司 44334
• 代理人: 何春蘭;遲珊珊

1.一種基于人工智能的行人檢測方法，其特征在于，所述基于人工智能的行人檢測方法包括：

響應于接收到的待檢測圖像，對所述待檢測圖像進行尺度變換處理，得到目標圖像；

利用VoVNet網絡提取所述目標圖像的行人特征；

將所述行人特征輸入至預先訓練的行人檢測模型，輸出第一特征圖、第二特征圖及第三特征圖，包括：對所述行人特征執行第一操作，得到第一特征，拼接所述第一特征及所述行人特征，得到第一拼接特征；對所述第一拼接特征執行第二操作，得到第一特征圖；對所述第一拼接特征執行第三操作，得到第一中間特征，對所述第一中間特征執行所述第一操作，得到第二特征，拼接所述第二特征及所述行人特征，得到第二拼接特征；對所述第二拼接特征執行所述第二操作，得到第二特征圖；對所述第二拼接特征執行所述第三操作，得到第二中間特征，對所述第二中間特征執行所述第一操作，得到第三特征，拼接所述第三特征及所述行人特征，得到第三拼接特征；對所述第三拼接特征執行所述第二操作，得到第三特征圖；

獲取所述行人檢測模型的目標錨框；

對于所述第一特征圖、所述第二特征圖及所述第三特征圖中的每個特征圖，利用所述目標錨框在每個特征圖上進行識別，輸出與每個特征圖對應的預測錨框坐標、每個預測錨框坐標的目標得分及行人預測結果，從所述預測錨框坐標中選擇所述目標得分最高的預測錨框坐標作為行人的位置預測坐標；

將所述位置預測坐標映射到所述待檢測圖像上，得到映射圖，輸出所述映射圖及所述行人預測結果作為檢測結果。

2.如權利要求1所述的基于人工智能的行人檢測方法，其特征在于，所述第一操作包括第一運算及上采樣運算，所述第一運算包括3*3卷積運算、批歸一化運算及采用Mish激活函數的運算，所述第一運算執行第一預設次數；所述第二操作包括所述第一運算及1*1卷積運算，所述第一運算執行第二預設次數；所述第三操作包括所述第一運算，所述第一運算執行第三預設次數。

3.如權利要求1所述的基于人工智能的行人檢測方法，其特征在于，在獲取所述行人檢測模型的目標錨框前，所述基于人工智能的行人檢測方法還包括：

獲取樣本數據；

從所述樣本數據中隨機獲取初始樣點；

采用K-means++算法以所述初始樣點為起點對所述樣本數據進行聚類，得到指定數量的簇；

計算每個簇的中心點坐標作為所述目標錨框。

4.如權利要求3所述的基于人工智能的行人檢測方法，其特征在于，在采用K-means++算法以所述初始樣點為起點對所述樣本數據進行聚類時，所述基于人工智能的行人檢測方法還包括：

基于配置距離函數計算每兩個點間的距離，并根據計算的距離對所述樣本數據進行聚類；

其中，所述配置距離函數為：y＝1-IoU＝1-I/U，IoU＝I/U；

y為所述配置距離函數的函數值，I為任意兩個錨框的交集面積，U為任意兩個錨框的并集面積，IoU為交并比。

5.如權利要求1所述的基于人工智能的行人檢測方法，其特征在于，所述將所述位置預測坐標映射到所述待檢測圖像上，得到映射圖包括：

確定偏移量；

根據所述偏移量轉換所述位置預測坐標，得到轉換坐標；

確定所述待檢測圖像的第一尺度，及確定所述位置預測坐標對應的特征圖的第二尺度；

計算所述第一尺度與所述第二尺度的商作為系數；

將所述系數與所述位置預測坐標相乘，得到所述位置預測坐標在所述待檢測圖像上的對應位置以生成所述映射圖。

6.如權利要求1所述的基于人工智能的行人檢測方法，其特征在于，所述基于人工智能的行人檢測方法還包括：

響應于接收到的檢測指令，確定與所述檢測指令對應的終端；

獲取所述終端的標識碼；

以配置加密算法對所述標識碼及所述檢測結果進行加密處理，得到密文；

將所述密文發送至所述終端。