[發明專利]一種頭部特征提取方法、裝置、電子設備及存儲介質

在審

• 申請號: 202011087869.6
• 申請日: 2020-10-12
• 公開（公告）號: CN112163545A
• 公開（公告）日: 2021-01-01
• 發明（設計）人: 楊建權;趙陽;朱濤;張天麒;李高楊
• 申請（專利權）人: 北京易華錄信息技術股份有限公司;中國華錄集團有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京三聚陽光知識產權代理有限公司 11250
• 代理人: 劉靜

1.一種頭部特征提取方法，其特征在于，包括如下步驟：

獲取待檢測圖像；

將所述待檢測圖像輸入至預先訓練好的人體檢測神經網絡模型，得到所述待檢測圖像中的人體檢測框；

將所述人體檢測框輸入至預先訓練好的頭部特征檢測分類模型，得到所述人體檢測框的人體頭部特征。

2.根據權利要求1所述的方法，其特征在于，所述人體檢測神經網絡模型為YOLOv3神經網絡模型，所述頭部特征檢測分類模型為MobileNet分類網絡。

3.根據權利要求1所述的方法，其特征在于，所述人體檢測神經網絡模型的訓練過程包括：

獲取第一訓練樣本，所述第一訓練樣本包括不同地域、不同時段、不同光照條件的場景圖像以及所述場景圖像中的人體預標注信息；

獲取根據目標數據集訓練好的第一預訓練神經網絡模型；

根據所述第一訓練樣本對所述第一預訓練神經網絡模型進行遷移學習，得到人體檢測神經網絡模型。

4.根據權利要求1所述的方法，其特征在于，所述頭部特征檢測分類模型的訓練過程包括：

獲取第二訓練樣本，所述第二訓練樣本包括多分類樣本標簽，所述多分類樣本標簽根據目標函數庫中的多標簽二值化函數得到；

將所述第二訓練樣本輸入至第二預訓練神經網絡模型；

當所述第二預訓練神經網絡模型滿足預定條件，則得到頭部特征檢測分類模型。

5.根據權利要求4所述的方法，其特征在于，還包括：

當第二訓練樣本輸入至第二預訓練神經網絡模型出現特征提取錯誤，則將發生特征提取錯誤的第二訓練樣本重復輸入至第二預訓練神經網絡模型，進行目標次數的迭代訓練。

6.根據權利要求4所述的方法，其特征在于，獲取第二訓練樣本包括：

獲取待訓練圖像；

將所述待訓練圖像輸入至預先訓練好的人體檢測YOLO V3模型，得到所述待訓練圖像中的人體檢測框；

將所述人體檢測框輸入至預先訓練好的特征分類YOLO V3模型，得到所述人體檢測框對應的標簽，根據所述人體檢測框以及對應的標簽構建得到所述第二訓練樣本。

7.根據權利要求1所述的方法，其特征在于，將所述待檢測圖像輸入至預先訓練好的人體檢測神經網絡模型，包括：將所述待檢測圖像尺寸調整至第一目標尺寸，將第一目標尺寸的待檢測圖像輸入至預先訓練好的人體檢測神經網絡模型；和/或

將所述人體檢測框輸入至預先訓練好的頭部特征檢測分類模型，包括：將所述人體檢測框尺寸調整至第二目標尺寸，將第二目標尺寸的人體檢測框輸入至預先訓練好的頭部特征檢測分類模型。

8.一種頭部特征提取裝置，其特征在于，包括：

待檢測圖像獲取模塊，用于獲取待檢測圖像；

人體檢測模塊，用于將所述待檢測圖像輸入至預先訓練好的人體檢測神經網絡模型，得到所述待檢測圖像中的人體檢測框；

頭部特征檢測模塊，用于將所述人體檢測框輸入至預先訓練好的頭部特征檢測分類模型，得到所述人體檢測框的人體頭部特征。

9.一種電子設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，其特征在于，所述處理器執行所述程序時實現權利要求1－7任一所述的頭部特征提取方法的步驟。

10.一種存儲介質，其上存儲有計算機指令，其特征在于，該指令被處理器執行時實現權利要求1－7任一所述的頭部特征提取方法的步驟。