[發明專利]室內行人檢測的方法、裝置、設備及計算機存儲介質

在審

• 申請號: 202110207900.3
• 申請日: 2021-02-24
• 公開（公告）號: CN112883876A
• 公開（公告）日: 2021-06-01
• 發明（設計）人: 竇浩軒;李搏;甘偉豪
• 申請（專利權）人: 北京市商湯科技開發有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06N3/04;G06N3/08
• 代理公司: 北京派特恩知識產權代理有限公司 11270
• 代理人: 劉鶴;張穎玲

1.一種室內行人檢測的方法，所述方法包括：

獲取待檢測的室內圖像；

將所述室內圖像輸入已訓練的室內行人檢測模型進行行人識別，得到識別結果；

其中，所述室內行人檢測模型是利用第二數據集進行訓練的；所述第二數據集是利用標注后的至少一張目標圖像作為訓練樣本合并到第一數據集得到的；所述第一數據集為至少部分樣本圖像具有標注信息的數據集；所述目標圖像是將從監控視頻流中截取的待檢測圖像輸入至目標檢測神經網絡，根據所述目標檢測神經網絡輸出的檢測結果確定的；所述目標檢測神經網絡是采用所述第一數據集進行訓練的。

2.如權利要求1所述的方法，所述室內行人檢測模型是采用下面的步驟訓練的：

將至少一張待檢測圖像輸入至所述目標檢測神經網絡，得到所述待檢測圖像的檢測結果；所述至少一張待檢測圖像是從監控視頻流中截取的包括有不同環境、光照和行人姿態的圖像；

根據每一所述待檢測圖像的檢測結果確定對應待檢測圖像的類型，其中，所述待檢測圖像的類型包括識別的正樣例、識別的負樣例和識別的困難樣例；

根據所述待檢測圖像的類型和對所述待檢測圖像的人工標注結果，將標注后的所述至少一張目標圖像作為訓練樣本合并到所述第一數據集，得到第二數據集；

利用所述第二數據集對所述目標檢測神經網絡進行訓練，得到所述室內行人檢測模型。

3.如權利要求2所述的方法，其特征在于，所述方法還包括：

根據所述監控視頻流的屬性參數，確定截取時間間隔；所述監控視頻流為對室內行人進行監控的視頻流；

根據所述截取時間間隔，從所述監控視頻流中截取至少一張所述待檢測圖像。

4.如權利要求2或3所述的方法，其特征在于，在所述室內行人檢測模型用于識別在同一室內環境中的行人的情況下，所述至少一張待檢測圖像為第三數據集和/或第四數據集；其中，所述第三數據集是在不同光照條件下，同一室內環境中的室內行人圖像集；所述第四數據集是包括不同行人姿態，同一室內環境中的室內行人圖像集；

在所述室內行人檢測模型用于識別在不同室內環境中的行人的情況下，所述至少一張待檢測圖像為第五數據集；其中，所述第五數據集是不同環境下，包括不同光照條件下和/或不同行人姿態的圖像集。

5.如權利要求2至4任一項所述的方法，所述待檢測圖像的檢測結果，包括：所述待檢測圖像的后驗概率；

對應地，所述根據每一所述待檢測圖像的檢測結果確定對應待檢測圖像的類型，包括：

在確定所述待檢測圖像的后驗概率滿足第一準則的情況下，將與所述后驗概率對應的待檢測圖像確定為識別的正樣例；其中，所述第一準則為所述后驗概率大于第一后驗概率閾值；

在確定所述待檢測圖像的后驗概率滿足第二準則的情況下，將與所述后驗概率對應的待檢測圖像確定為識別的負樣例；其中，所述第二準則為所述后驗概率小于第二后驗概率閾值；

在確定所述待檢測圖像的后驗概率滿足第三準則的情況下，將與所述后驗概率對應的待檢測圖像確定為識別的困難樣例；其中，所述第三準則為所述后驗概率大于第三后驗概率閾值且小于第四后驗概率閾值；

其中，所述第二、第三、第四和第一后驗概率閾值依次增大。

6.如權利要求2至5任一項所述的方法，其特征在于，所述根據所述待檢測圖像的類型和對所述待檢測圖像的人工標注結果，將標注后的所述至少一張目標圖像作為訓練樣本合并到所述第一數據集，得到第二數據集，包括：

獲取對多張所述識別的正/負樣例的人工標注結果；

根據對多張所述識別的正/負樣例的人工標注結果，確定所述目標檢測神經網絡對識別為所述正/負樣例的誤判率；

在所述對所述識別的正/負樣例的誤判率大于誤判概率閾值的情況下，將所述人工標注結果為負樣例且識別為正樣例的圖像作為訓練樣本，或所述人工標注結果為正樣例且識別為負樣例的圖像作為訓練樣本，合并到所述第一數據集，得到第二數據集。