[发明专利]一种基于多尺度的行人检测方法和装置

说明书

本发明实施例提供一种基于多尺度的行人检测方法和装置，其中所述方法包括:将待检测图像输入至特征提取模型，输出图像特征集合；特征提取模型为基于Resnet网络建立的包括多层串联的卷积单元的神经网络，对应地，图像特征集合由多层串联的卷积单元中每一卷积单元输出的图像特征构成；将图像特征集合输入至特征融合模型，输出融合特征；将融合特征输入至特征回归分类模型，输出融合特征的回归结果和分类结果，基于回归结果和分类结果得到行人检测结果。本发明实施例提供的方法和装置，在实现多尺度行人检测的同时，简化了特征提取模型，增加了行人检测的灵活性，减少了计算开销，避免了过多的资源占用，提高了多尺度行人检测的准确率。

技术领域

本发明实施例涉及计算机视觉技术领域，尤其涉及一种基于多尺度的行人检测方法和装置。

背景技术

行人检测可定义为：判断输入图片(或视频帧)是否包含行人，如果有，给出位置信息。行人检测是计算机视觉领域的一个研究热点，是车辆辅助驾驶、智能视频监控和人体行为分析等应用中的第一步，近年来也应用在航拍图像、受害者营救等新兴领域中。

现实场景中，由于监控设备的高度、拍摄角度、行人与监控设备距离变化等因素，监控设备拍摄到的行人的大小各异，尺寸跨度很大，这给行人检测带来了困难。目前，针对图像中行人尺寸多变的问题，主要有一下两种策略：其一是应用单一模型针对多尺度图像和特征图进行行人检测，一般具有较好的精度，但是计算开销大，主要代表为RCNN，将输入的目标区域全都缩放到同一尺寸计算卷积特征。其二是应用多个模型，其中每一模型针对单一图像尺寸和特征图进行行人检测，避免重复计算特征，但是对每个尺度生成一个检测器，较为复杂。

发明内容

本发明实施例提供一种基于多尺度的行人检测方法和装置，用以解决现有的针对多尺度的行人检测方法存在计算开销大或操作复杂的问题。

一方面，本发明实施例提供一种基于多尺度的行人检测方法，包括：

将待检测图像输入至特征提取模型，输出图像特征集合；特征提取模型为基于Resnet网络建立的包括多层串联的卷积单元的神经网络，对应地，图像特征集合由多层串联的卷积单元中每一卷积单元输出的图像特征构成；

将图像特征集合输入至特征融合模型，输出融合特征；

将融合特征输入至特征回归分类模型，输出融合特征的回归结果和分类结果，基于融合特征的回归结果和分类结果得到待检测图像的行人检测结果；其中，特征提取模型、特征融合模型和特征回归分类模型是基于样本图像和样本图像对应的样本行人检测结果进行训练后得到的。

另一方面，本发明实施例提供一种基于多尺度的行人检测装置，包括：

特征提取模块，用于将待检测图像输入至特征提取模型，输出图像特征集合；特征提取模型为基于Resnet网络建立的包括多层串联的卷积单元的神经网络，对应地，图像特征集合由多层串联的卷积单元中每一卷积单元输出的图像特征构成；

特征回归分类模块，用于将图像特征集合输入至特征回归分类模型，输出待检测图像的行人检测结果；其中，特征提取模型和特征回归分类模型是基于样本图像和样本图像对应的样本行人检测结果进行训练后得到的。

又一方面，本发明实施例提供一种基于多尺度的行人检测设备，包括处理器、通信接口、存储器和总线，其中，处理器，通信接口，存储器通过总线完成相互间的通信，处理器可以调用存储器中的逻辑指令，以执行如前所述的基于多尺度的行人检测方法。

再一方面，本发明实施例提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如前所述的基于多尺度的行人检测方法。