[发明专利]行人检测方法、系统、计算机可读存储介质及电子设备

说明书

本发明提供一种行人检测方法、系统、计算机可读存储介质及电子设备，检测方法包括：根据预先采集的训练样本集，训练出行人分类器；行人分类器用于判断待检测图像是否为行人图像；通过对监控画面进行标定，以获取图像坐标系到世界坐标系或世界坐标系到图像坐标系的转换矩阵参数；根据转换矩阵参数，生成用于将监控画面中非直立姿态重构成直立姿态所需映射关系，生成地平面检测坐标；将地平面检测坐标映射到监控画面中，在待检测图像上截取图像区块，利用映射关系，将图像区块进行重构，并利用行人分类器对重构的图像区块进行分类，以判断出行人图像。本发明能够快速便捷地解决上述难题，在适用任意监控场景的同时确保行人检测的检出率。

技术领域

本发明属于图像处理与计算机视觉技术领域，涉及一种检测方法和系统，特别是涉及一种行人检测方法、系统、计算机可读存储介质及电子设备。

背景技术

行人检测是计算机视觉中一个重要的方向，无论是学术界还是工业界均在此领域花费大量的时间和资源。近年来，行人检测技术在实用化、产品化的道路上已取得很大的进展。该技术已广泛用于安防监控、商业客流分析、自动驾驶以及智能交通等领域。

行人检测技术，顾名思义即是一种对图像/视频进行分析，检测出其中所有行人位置的技术。行人检测技术往往与目标跟踪技术、行人行为分析以及行人身份重识别等技术紧密相连，在一定程度上可以认为是使用其他技术的前置条件。

目前在行人检测技术领域中，存在两种主流的技术分支：1)传统行人检测技术。2)基于深度学习的行人检测技术。前者特征为用人工设计的特征和分类器的组合，通常分别设计。后者特征为使用深度学习技术，将特征抽取和分类器可以看作为一个整体，由程序自行获得，非人工设计。基于深度学习的行人检测技术有着通用性强，其自行获取的特征有着很强的迁移能力。在检测精度上，目前已不逊于传统行人检测技术。但是，行人检测技术其中一项重要的指标是实时性要求。由于使用深度学习技术的模型计算量巨大，若要满足实时性要求必须使用高性能硬件，通常是昂贵的显卡设备。因此，商业上广泛应用的行人检测技术基本上属于传统方法，硬件使用的是廉价的嵌入式设备。

传统行人检测技术多为对直立姿态的人体进行检测。直立姿态的人体如图1A所示，G为重垂线，H为行人身高。这引发出摄像机的部署受限于行人检测区域的问题。在多数情况下，摄像机的安装高度和角度必须满足监控的需求。如图2所示，A为行人检测区域，C1为摄像机部署的理想情况，C2为摄像机部署的实际情况，H为在检测区域上站立的行人。直立姿态的行人在C1中的画像如图1A所示，直立姿态的行人在C2中的画像如图1B所示。图1B中的人体相较于图1A由大幅度的姿态变化。现有的行人检测技术只能适应有限度的人体姿态变化。因此现有技术最大的缺点是无法对任意监控环境的行人检测都保持较高的检出率和虚警率。

虽然有部分行人检测技术为解决这个问题，采用对部署现场标定之后，进行迁移学习。这种行人检测技术能有效缓解多姿态的检测问题，但缺点在于迁移学习耗时很长。在工程实施上，不能提供这种部署条件。

因此，如何提供一种行人检测方法、系统、计算机可读存储介质及电子设备，以解决现有技术无法对任意监控环境的行人检测都保持较高的检出率和虚警率，且采用迁移学习的检测方法耗时长，无法在工程上实施等缺陷，实以成为本领域技术人员亟待解决的技术问题。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供一种行人检测方法、系统、计算机可读存储介质及电子设备，用于解决现有技术无法对任意监控环境的行人检测都保持较高的检出率和虚警率，且采用迁移学习的检测方法耗时长，无法在工程上实施的问题。