[发明专利]一种行人检测方法及装置

权利要求书

1.一种行人检测方法，其特征在于，包括：

实时获取待检测图像；

将所述待检测图像输入预先训练得到的行人检测模型，识别所述待检测图像中包含的行人数据；所述行人检测模型根据预设的深度可分离卷积方式训练得到；

对所述行人数据进行非极大值抑制处理，确定所述待检测图像中所述行人数据对应的人像边框。

2.如权利要求1所述的行人检测方法，其特征在于，所述将所述待检测图像输入预先训练得到的行人检测模型，识别所述待检测图像中包含的行人数据之前，包括：

获取包含行人的历史图像；

根据预设的权重连接层构建训练模型，根据所述历史图像对所述训练模型进行训练，得到所述行人检测模型。

3.如权利要求2所述的行人检测方法，其特征在于，所述根据预设的权重连接层构建训练模型，根据所述历史图像对所述训练模型进行训练，得到所述行人检测模型，包括：

对所述历史图像进行图像增强处理，得到所述历史图像对应的至少两个扩充图像；

根据预设的权重连接层构建第一训练模型，根据所述历史图像及其对应的所述扩充图像对所述第一训练模型进行训练，得到所述行人检测模型。

4.如权利要求2所述的行人检测方法，其特征在于，所述根据预设的权重连接层构建训练模型，根据所述历史图像对所述训练模型进行训练，得到所述行人检测模型，包括：

根据预设的权重连接层，基于预设的深度可分离卷积方式以及预设的线性瓶颈层技术，构建第二训练模型；

将所述历史图像输入所述第二训练模型中，检测所述历史图像中的行人图像，并确定每个行人图像对应的真值标签；所述真值标签用于表示识别出的历史图像的先验框基于真值框的变换系数；

根据所述真值标签，确定所述第二训练模型对应的损失函数；

根据所述损失函数优化所述第二训练模型，得到所述行人检测模型。

5.如权利要求1-4任一项所述的行人检测方法，其特征在于，所述对所述行人数据进行非极大值抑制处理，确定所述待检测图像中所述行人数据对应的人像边框之后，还包括：

检测所述人像边框对应的行人相对于当前车辆的方位、所述当前车辆与所述人像边框对应的行人之间的距离；

根据所述方位和所述距离，生成提醒信息，并进行播报；所述提醒信息用于提醒所述当前车辆的司机注意所述人像边框对应的行人。

6.一种行人检测装置，其特征在于，包括：

获取单元，用于实时获取待检测图像；

识别单元，用于将所述待检测图像输入预先训练得到的行人检测模型，识别所述待检测图像中包含的行人数据；所述行人检测模型根据预设的深度可分离卷积方式训练得到；

确定单元，用于对所述行人数据进行非极大值抑制处理，确定所述待检测图像中所述行人数据对应的人像边框。

7.如权利要求6所述的行人检测装置，其特征在于，所述行人检测装置还包括：

历史获取单元，用于获取包含行人的历史图像；

训练单元，用于根据预设的权重连接层构建训练模型，根据所述历史图像对所述训练模型进行训练，得到所述行人检测模型。

8.如权利要求6所述的行人检测装置，其特征在于，所述训练单元包括：

扩充单元，用于对所述历史图像进行图像增强处理，得到所述历史图像对应的至少两个扩充图像；

第一训练单元，用于根据预设的权重连接层构建第一训练模型，根据所述历史图像及其对应的所述扩充图像对所述第一训练模型进行训练，得到所述行人检测模型。

9.一种行人检测装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述方法的步骤。