[发明专利]人体检测模型的训练方法及人体检测方法、设备、介质

说明书

本发明公开了一种人体检测模型的训练方法及人体检测方法、设备、介质。该训练方法包括：获取多个带有标注信息的训练图像样本，其中，训练图像样本包含人体属性；将训练图像样本输入至预先构建的目标检测模型中，得到人体属性检测结果；根据标注信息和人体属性检测结果利用预设损失函数计算损失值，并根据损失值更新目标检测模型的参数，直至目标检测模型收敛，得到训练好的人体检测模型。由此，以提升小目标的识别准确度，降低人体属性检测的误检率和漏检率。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种人体检测模型的训练方法及人体检测方法、设备、介质。

背景技术

在工业生产过程中，由于人们安全意识不足而导致的安全事故频繁发生，例如，在禁烟区抽烟、高空作业时未佩戴安全帽、工作时间打电话等等，这些违规行为都会带来巨大的安全隐患。针对上述问题，急需要利用智能化技术，以在无人监督的境况下对人的违规行为进行实时监控。

目前，提出了利用基于深度学习的人体属性多目标检测算法，来对人的违规行为进行实时监控。已有的人体属性多目标检测算法一般是通过一级目标检测网络来检测，并且待测数据需为清楚可见的视频或图像。

但是，通常工业生产环境较为复杂，待测图像中不同目标的尺寸也相差较大，且由于部分目标的尺寸较小，因此会存在目标被遮挡或者目标会受光线的影响，导致目标识别的准确率较低，容易造成误检和漏检。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本发明的一个目的在于提出一种人体检测模型的训练方法，以提升小目标的识别准确度，降低人体属性检测的误检率和漏检率。

本发明的第二个目的在于提出一种人体检测方法。

本发明的第三个目的在于提出一种边缘处理设备。

本发明的第四个目的在于提出一种计算机可读存储介质。

为达上述目的，本发明第一个实施例提出了一种人体检测模型的训练方法，该方法包括：

获取多个带有标注信息的训练图像样本，其中，所述训练图像样本包含人体属性；将所述训练图像样本输入至预先构建的目标检测模型中，得到人体属性检测结果；根据所述标注信息和所述人体属性检测结果利用预设损失函数计算损失值，并根据所述损失值更新所述目标检测模型的参数，直至所述目标检测模型收敛，得到训练好的人体检测模型。

本发明实施例的人体检测模型的训练方法，通过将带有标注信息的训练图像样本输入至预先构建的目标检测模型中，得到人体属性检测结果；再根据标注信息和人体属性检测结果利用预设损失函数计算损失值，并根据损失值更新目标检测模型的参数，直至目标检测模型收敛，得到训练好的人体检测模型，训练好的人体检测模型具有较高的小目标识别准确度，从而降低了人体属性的误检率和漏检率。

在一些可实现的方式中，所述目标检测模型包括特征提取单元、混合池化单元、特征融合单元以及预测单元，所述将所述训练图像样本输入至预先构建的目标检测模型中，得到人体属性检测结果，包括：利用所述特征提取单元对所述训练图像样本进行特征提取，得到浅层特征图和深层特征图；利用所述混合池化单元对所述深层特征图进行混合池化操作，得到目标混合池化特征图；利用所述特征融合单元将所述目标混合池化特征图分别与所述浅层特征图和所述深层特征图进行特征融合，得到目标特征图；利用所述预测单元根据所述目标特征图确定所述人体属性检测结果。