[发明专利]一种人物检测方法、装置及计算机可读存储介质

权利要求书

1.一种人物检测方法，其特征在于，包括：

基于待检测图像确定所需输入至训练完成的年龄检测模型的第一输入图像，以及基于所述待检测图像确定所需输入至训练完成的目标检测模型的第二输入图像；所述目标检测模型包括特征提取网络和目标检测网络；

在所述待检测图像的人脸特征显著程度低于预设的程度阈值的情况下，基于所述年龄检测模型检测所述第一输入图像中人物对象所处的年龄层；其中，所述人物类别根据不同年龄层进行对应划分；

将所述第二输入图像输入至所述特征提取网络逐层进行特征提取，得到多通道特征图；

通过所述目标检测网络对所述多通道特征图在不同尺度上进行特征提取，并基于所提取的不同尺度特征信息，采用不同尺度和长宽比的先验框进行预测；

过滤除去属于背景的先验框，并根据类别置信度确定每个所述先验框各自的预测类别和置信度值；

根据所述置信度值过滤去除低于置信度阈值的先验框，并对获得的先验框进行解码，得到各个所述先验框各自对应的位置参数；

通过非极大值抑制算法，对各个所述先验框进行去重，根据去重后的先验框得到对应于所述第二输入图像中人物对象的人物类别和人物位置；

将基于所述年龄层所确定的人物类别，与基于所述目标检测模型所确定的人物类别进行比对；

在基于所述年龄层所确定的人物类别，与基于所述目标检测模型所确定的人物类别相同时，基于相同的所述人物类别和所述人物位置生成人物检测结果。

2.根据权利要求1所述的人物检测方法，其特征在于，所述基于待检测图像确定所需输入至训练完成的年龄检测模型的第一输入图像，以及基于所述待检测图像确定所需输入至训练完成的目标检测模型的第二输入图像包括：

将待检测图像中人物对象的人脸图像，确定为所需输入至训练完成的年龄检测模型的第一输入图像，并将所述待检测图像的全局图像，确定为所需输入至训练完成的目标检测模型的第二输入图像。

3.根据权利要求1所述的人物检测方法，其特征在于，所述基于待检测图像确定所需输入至训练完成的年龄检测模型的第一输入图像，以及基于所述待检测图像确定所需输入至训练完成的目标检测模型的第二输入图像之前，还包括：

提取所述待检测图像中人物对象的人脸图像，并确定所述人脸图像的人脸特征显著程度；

在所述人脸特征显著程度低于预设的程度阈值时，执行所述基于待检测图像确定所需输入至训练完成的年龄检测模型的第一输入图像，以及基于所述待检测图像确定所需输入至训练完成的目标检测模型的第二输入图像的步骤。

4.根据权利要求1至3中任意一项所述的人物检测方法，其特征在于，所述年龄检测模型包括第一网络分支和第二网络分支，所述第一网络分支和第二网络分支为网络参数数量相同、激活函数与特征提取层不同的平行异构网络；

所述基于所述年龄检测模型检测所述第一输入图像中人物对象所处的年龄层包括：

将所述第一输入图像同时输入至所述第一网络分支和第二网络分支；其中，所述第一网络分支和第二网络分支均包括分别用于执行不同年龄层特征提取的多个网络分段；

对所述第一网络分支和第二网络分支各个所述网络分段的特征输出分别进行融合，得到分别对应于各个所述网络分段的分段输出；其中，所述分段输出包括：区间预测分布、区间平移系数以及区间宽度缩放系数；

基于所有的所述分段输出进行动态软区间回归，得到所述第一输入图像中人物对象所处的年龄层。

5.根据权利要求4所述的人物检测方法，其特征在于，所述将所述第一输入图像同时输入至所述第一网络分支和第二网络分支之前，还包括：

获取所述第一输入图像中人物对象的粗粒度特征信息；

基于所述粗粒度特征信息配置所述第一网络分支和第二网络分支的所述多个网络分段。

6.根据权利要求1至3中任意一项所述的人物检测方法，其特征在于，所述目标检测网络包括one-stage目标检测器。