[发明专利]行人检测误报结果的检测方法、装置、系统和存储介质

说明书

本发明提供了一种行人检测误报结果的检测方法、装置、系统和存储介质，所述方法包括：获取针对待处理数据进行行人检测后得到的行人检测结果；以及利用训练好的行人误报判断网络检测所述行人检测结果是否是误报结果，所述行人误报判断网络包括依次连接的卷积层、最大池化层、至少一个卷积块单元、全局池化层以及输出层。根据本发明实施例的行人检测误报结果的检测方法、装置、系统和存储介质利用具有特定网络结构的行人误报判断网络来实施行人检测结果的误报检测，能够大大提升行人误报检测的精度且不会大幅度增加计算量，从而能够大大提升行人检测应用产品的可使用性。

技术领域

本发明涉及行人检测技术领域，更具体地涉及一种行人检测误报结果的检测方法、装置、系统和存储介质。

背景技术

行人检测是当今非常流行的热门领域，但由于现有技术的缺陷，常常出现误报(即把非人的图像区域识别成了人)的情形。为了保障应用系统的视觉效果，人们往往需要设计一个误报剔除器，来精炼行人检测的结果。现有的误报剔除器相当简单，仅仅利用了几层神经网络来筛选检测结果，精度往往不尽如人意，这也使得行人检测系统难以大面积推广使用。

发明内容

本发明提出了一种关于行人检测误报结果的检测方案，其利用具有特定网络结构的行人误报判断网络来实施行人检测结果的误报检测，能够大大提升行人误报检测的精度。下面简要描述本发明提出的关于行人检测误报结果的检测方案，更多细节将在后续结合附图在具体实施方式中加以描述。

根据本发明一方面，提供了一种行人检测误报结果的检测方法，所述方法包括：获取针对待处理数据进行行人检测后得到的行人检测结果；以及利用训练好的行人误报判断网络检测所述行人检测结果是否是误报结果，所述行人误报判断网络包括依次连接的卷积层、最大池化层、至少一个卷积块单元、全局池化层以及输出层。

在一个实施例中，所述行人误报判断网络还包括提供注意力机制的注意力模块，所述注意力模块包括在所述卷积块单元的至少一个中。

在一个实施例中，所述行人误报判断网络包括三个依次连接的所述卷积块单元，分别为第一卷积块单元、第二卷积块单元和第三卷积块单元，所述第二卷积块单元和所述第三卷积块单元均包括所述注意力模块。

在一个实施例中，所述至少一个卷积块单元中的每个卷积块单元包括至少一个卷积块，每个卷积块包括逐通道卷积层、跨通道卷积层和批规范化层。

在一个实施例中，所述注意力模块包括在每个所述卷积块中，且所述注意力模块位于所述逐通道卷积层和所述跨通道卷积层之间。

在一个实施例中，所述注意力模块包括依次连接的至少一个卷积层、归一化层以及融合层，所述融合层将输入所述注意力模块的特征图与所述归一化层输出的特征图进行融合操作。

在一个实施例中，所述融合操作包括将输入所述注意力模块的特征图与所述归一化层输出的特征图进行点乘操作。

在一个实施例中，所述每个卷积块单元包括三个所述卷积块。

在一个实施例中，所述逐通道卷积层为卷积核是3×3的卷积层，所述跨通道卷积层为卷积核是1×1的卷积层。

在一个实施例中，所述注意力模块包括两个卷积层，每个卷积层均为卷积核是3×3的卷积层。

根据本发明另一方面，提供了一种行人检测误报结果的检测装置，所述装置包括：获取模块，用于获取针对待处理数据进行行人检测后得到的行人检测结果；以及误报检测模块，用于利用训练好的行人误报判断网络检测所述获取模块获取的所述行人检测结果是否是误报结果，所述行人误报判断网络包括依次连接的卷积层、最大池化层、至少一个卷积块单元、全局池化层以及输出层。

在一个实施例中，所述误报检测模块利用的所述行人误报判断网络还包括提供注意力机制的注意力模块，所述注意力模块包括在所述卷积块单元的至少一个中。