[发明专利]室内行人检测的方法、装置、设备及计算机存储介质

说明书

本申请公开了一种室内行人检测的方法，所述方法包括：获取待检测的室内图像；将所述室内图像输入已训练的室内行人检测模型进行行人识别，得到识别结果；其中，所述室内行人检测模型是利用第二数据集进行训练的；所述第二数据集是利用标注后的至少一张目标图像作为训练样本合并到第一数据集得到的；所述第一数据集为至少部分样本图像具有标注信息的数据集；所述目标图像是将从监控视频流中截取的待检测图像输入至目标检测神经网络，根据所述目标检测神经网络输出的检测结果确定的；所述目标检测神经网络是采用所述第一数据集进行训练的。本申请还公开了一种室内行人检测的装置、设备及计算机存储介质。

技术领域

本申请涉及但不限于智能监控领域，尤其涉及一种室内行人检测的方法、装置、设备及计算机存储介质。

背景技术

大规模的城市级室内行人检测是在智慧城市和安防监控中有着非常重要的作用，相比较与传统的专注于室外的行人检测任务，室内行人检测任务更加困难。目前的技术方案，主要通过人工挑选的方式来获取训练模型的样本，需要耗费大量的人力成本，且耗时较长，效率低。

发明内容

本申请提供一种室内行人检测的方法、装置、设备及计算机存储介质。

第一方面，提供一种室内行人检测的方法，所述方法包括：获取待检测的室内图像；将所述室内图像输入已训练的室内行人检测模型进行行人识别，得到识别结果；其中，所述室内行人检测模型是利用第二数据集进行训练的；所述第二数据集是利用标注后的至少一张目标图像作为训练样本合并到第一数据集得到的；所述第一数据集为至少部分样本图像具有标注信息的数据集；所述目标图像是将从监控视频流中截取的待检测图像输入至目标检测神经网络，根据所述目标检测神经网络输出的检测结果确定的；所述目标检测神经网络是采用所述第一数据集进行训练的。

在一些实施方式中，所述室内行人检测模型是采用下面的步骤训练的：将至少一张待检测图像输入至所述目标检测神经网络，得到所述待检测图像的检测结果；所述至少一张待检测图像是从监控视频流中截取的包括有不同环境、光照和行人姿态的图像；根据每一所述待检测图像的检测结果确定对应待检测图像的类型，其中，所述待检测图像的类型包括识别的正样例、识别的负样例和识别的困难样例；根据所述待检测图像的类型和对所述待检测图像的人工标注结果，将标注后的所述至少一张目标图像作为训练样本合并到所述第一数据集，得到第二数据集；利用所述第二数据集对所述目标检测神经网络进行训练，得到所述室内行人检测模型。

这样，首先根据每一待检测图像的检测结果确定对应待检测图像的类型，其中，待检测图像的类型包括识别的正样例、识别的负样例和识别的困难样例，然后根据待检测图像的类型和对待检测图像的人工标注结果，将标注后的所述至少一张目标图像作为训练样本合并到所述第一数据集，得到第二数据集。这里，因为识别的正样例、识别的负样例和识别的困难样例存在识别不准确的问题，所以利用人工标注后的目标图像作为训练样本合并到所述第一数据集，得到第二数据集，再利用第二数据集对所述目标检测神经网络进行训练，得到的所述室内行人检测模型，可以有效提升室内行人检测模型的检测准确度。

在一些实施方式中，所述方法还包括：根据所述监控视频流的属性参数，确定截取时间间隔；所述监控视频流为对室内行人进行监控的视频流；根据所述截取时间间隔，从所述监控视频流中截取至少一张所述待检测图像。

这样，根据在线监控视频流的属性参数，确定截取时间间隔，可以解决在特定时间段或场景下截取大量无效图像的问题，达到适应性的截取有效图像的效果。

在一些实施方式中，在所述室内行人检测模型用于识别在同一室内环境中的行人的情况下，所述至少一张待检测图像为第三数据集和/或第四数据集；其中，所述第三数据集是在不同光照条件下，同一室内环境中的室内行人图像集；所述第四数据集是包括不同行人姿态，同一室内环境中的室内行人图像集；在所述室内行人检测模型用于识别在不同室内环境中的行人的情况下，所述至少一张待检测图像为第五数据集；其中，所述第五数据集是不同环境下，包括不同光照条件下和/或不同行人姿态的图像集。