[发明专利]行人检测方法和装置

说明书

本发明实施例提供一种行人检测方法和装置。其中，方法包括：将待检测图片输入至行人检测模型中的区域提取层，输出若干个候选框；将若干个候选框输入至行人检测模型中的特征提取层，输出每一候选框的特征；将各候选框的特征输入至行人检测模型中的判别预测层，输出行人检测结果；其中，行人检测模型是根据样本图片进行训练后获得的；若干个候选框是根据待检测图片多层次的增强特征图获得的；多层次的增强特征图是对待检测图片多层次的原始特征图进行特征增强后获得的；多层次的原始特征图是根据层次化特征提取方法对待检测图片进行预处理后获得的。本发明实施例提供的行人检测方法和装置，能在保证高检测速度的前提下，提高检测准确性。

技术领域

本发明实施例涉及计算机视觉技术领域，尤其涉及一种行人检测方法和装置。

背景技术

行人检测是计算机视觉中的一项重要组成部分，也是许多人工智能应用的基础，例如机动车自动驾驶和辅助驾驶、机器人自主导航和人机交互、无人机追踪、智能监控、视频结构化分析等。在实际应用中，不同运动状态的行人目标需要给予不同的关注程度和后续处理方法。

行人检测和一般物体检测有相似之处，其检测步骤均由区域建议、特征提取、模式分类组成；但是行人检测面临着尺度变化范围大、外观和姿态复杂、光照遮挡等外部因素影响等困难。在许多实际应用场景中，对行人检测的速度、精度和模型大小还有较高要求，而在自动驾驶和辅助驾驶任务中，往往还需要对行人的运动趋势进行判断。现有的基于深度学习的一般物体检测方法存在以下问题：单一的区域提取单元难以应对行人大范围的尺度变化；由于深度学习的卷积和池化层步长限制，无法对小尺度行人提取足够的特征；深度学习常用的多层感知器(MLP)参数过多，可能弱化分类结果，也限制了检测速度；不能在行人检测的同时给出行人运动趋势。因而现有行人检测技术难以兼顾检测准确率和检测速度。

发明内容

针对现有技术存在的问题，本发明实施例提供一种克服上述问题或者至少部分地解决上述问题的行人检测方法和装置。

第一方面，本发明实施例提供一种行人检测方法，包括：

将待检测图片输入至行人检测模型中的区域提取层，输出若干个候选框；

将所述若干个候选框输入至所述行人检测模型中的特征提取层，输出每一所述候选框的特征；

将各所述候选框的特征输入至所述行人检测模型中的判别预测层，输出行人检测结果；

其中，所述行人检测模型是根据样本图片进行训练后获得的；所述若干个候选框是根据所述待检测图片多层次的增强特征图获得的；所述多层次的增强特征图是对所述待检测图片多层次的原始特征图进行特征增强后获得的；所述多层次的原始特征图是根据层次化特征提取方法对所述待检测图片进行预处理后获得的。

第二方面，本发明实施例提供一种行人检测装置，包括：

区域提取模块，用于将待检测图片输入至行人检测模型中的区域提取层，输出若干个候选框；

特征提取模块，用于将所述若干个候选框输入至所述行人检测模型中的特征提取层，输出每一所述候选框的特征；

判别预测模块，用于将各所述候选框的特征输入至所述行人检测模型中的判别预测层，输出行人检测结果；

其中，所述行人检测模型是根据样本图片进行训练后获得的；所述若干个候选框是根据所述待检测图片多层次的增强特征图获得的；所述多层次的增强特征图是对所述待检测图片多层次的原始特征图进行特征增强后获得的；所述多层次的原始特征图是根据层次化特征提取方法对所述待检测图片进行预处理后获得的。

第三方面，本发明实施例提供一种电子设备，包括：

至少一个处理器；以及

与所述处理器通信连接的至少一个存储器，其中：