[发明专利]行人检测训练数据库的建立方法、行人检测方法及装置

说明书

本申请提供了一种行人检测训练数据库的建立方法、行人检测方法及装置，方法包括：在初始行人检测训练数据库中扩增指定数量的包含指定卧姿的行人样例图像数据，获得第一扩增数据库；将第一扩增数据库中的非卧姿行人样例图像数据进行基于颜色替换的行人样例图像扩增，获得第二扩增数据库；将第二扩增数据库中的非卧姿行人样例图像数据进行基于人体比例的行人样例图像扩增，获得行人检测训练数据库。通过增加指定卧姿行人样例图像数据和对非卧姿行人样例数据分别进行基于颜色替换和人体比例的扩增，提高数据库中行人样本的外观多样性；提出的对行人数据集进行卧姿行人样例图像的扩增，对驾驶环境下的行人检测具有克服技术偏见的重要意义。

技术领域

本申请涉及计算机技术领域，特别是涉及一种行人检测训练数据库的建立方法、行人检测方法及装置。

背景技术

作为人工智能重要赋能技术的自动驾驶技术具有重要的研究与工程应用价值。有效的行人检测与避让是自动驾驶技术的核心环节之一。在深度学习在计算机视觉任务中取得大家公认的高性能的背景下，深度学习也被引入到自动驾驶应用中的行人检测，而且取得了不错的效果。

一个显而易见的事实是，深度学习的性能严重依赖于训练数据的多少；一般认为深层的网络更容易取得优异性能，但是，越深的网络需要的训练数据越多。理论上讲，只有自动驾驶汽车搭载的行人检测技术方案能有效处理所有场景下的行人判别任务，才能做到绝对安全。

但是，我们无法获取所有场景下的数据供深度网络训练与学习；现实中，即使已经使用了很大的数据集训练网络，自动驾驶技术实际应用时，仍然会碰到训练数据集中没有出现过的新场景，已固化的技术方案也可能因此而实效。这也是已有的自动驾驶汽车出现车祸甚至致人死亡的原因之一。对于自动驾驶应用中的行人检测，训练样本的不足是一个严重的问题；此外，当前数据集中卧姿行人的缺失也是一个不可忽略的技术缺陷。

发明内容

鉴于上述问题，提出了本发明实施例以便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训练数据库的建立方法、行人检测方法及装置。

为了解决上述问题，本发明实施例公开了一种行人检测训练数据库的建立方法，应用于自动驾驶行人检测训练，上述建立方法在仅包含有非卧姿行人样例图像数据的初始行人检测训练数据库的基础上进行建立，上述建立方法包括如下步骤：

在初始行人检测训练数据库中扩增指定数量的包含指定卧姿的行人样例图像数据，获得第一扩增数据库；

将上述第一扩增数据库中的非卧姿行人样例图像数据进行基于颜色替换的行人样例图像扩增，获得第二扩增数据库；

将上述第二扩增数据库中的非卧姿行人样例图像数据进行基于人体比例的行人样例图像扩增，获得行人检测训练数据库。

进一步地，将上述第一扩增数据库中的非卧姿行人样例图像数据进行基于颜色替换的行人样例图像扩增，获得第二扩增数据库的步骤，包括如下步骤：

将上述第一扩增数据库中所有上述非卧姿行人样例图像进行图像分割，获得上述非卧姿行人样例图像中的上装区域和下装区域；

将图像分割后的上述非卧姿行人样例图像中的上装区域和下装区域进行指定的颜色替换，获得多种上述上装区域和下装区域颜色组合不同的扩展非卧姿行人样例图像。

进一步地，将上述第二扩增数据库中的非卧姿行人样例图像数据进行基于人体比例的行人样例图像扩增，获得行人检测训练数据库的步骤，包括如下步骤：

将上述扩展非卧姿行人样例图像进行指定比例的缩放处理，得到指定数量的第一缩放扩展样例图像。

进一步地，将上述第二扩增数据库中的非卧姿行人样例图像数据进行基于人体比例的行人样例图像扩增，获得行人检测训练数据库的步骤，包括如下步骤：

获取上述扩展非卧姿行人样例图像中的行人轮廓；