[发明专利]行人检测识别方法、装置、设备及存储介质

说明书

本发明涉及物流技术领域，公开了一种行人检测识别方法、装置、设备及存储介质，用于提高分拨中心监控物流配送的安全性。行人检测识别方法包括：获取多张分拨中心监控图片数据；对多张分拨中心监控图片数据依次进行图片预处理并标注，得到样本图片数据集，按照预设比例对样本图片数据集进行划分，得到训练图片数据集、验证图片数据集和测试图片数据集；构建初始训练模型，并对初始训练模型引入预设的注意力机制，得到改进后的训练模型；根据训练图片数据集和验证图片数据集对改进后的训练模型进行模型训练，得到目标训练模型，并通过目标训练模型对测试图片数据集进行检测识别，得到识别结果，识别结果用于指示分拨中心是否存在异常闯入的行人。

技术领域

本发明涉及物流技术领域，尤其涉及一种行人检测识别方法、装置、设备及存储介质。

背景技术

行人检测识别是利用计算机视觉技术判断图像或者视频序列中是否存在行人并给予精确定位。该技术可与行人跟踪，行人重识别等技术结合，应用于人工智能系统、智能视频监控和人体行为分析等领域。

分拨中心是物流行业运作的经济活动组织，也就是集加工、理货、送货等多种职能于一体的物流据点。分拨中心管理目前虽然具有全方位和全时段的摄像监控，但缺乏在在非工作时段内对异常闯入的行人进行检测识别和及时报警，导致在非工作时段内分拨中心存在行人检测识别的准确性低和物流配送安全性差的问题。

发明内容

本发明提供了一种行人检测识别方法、装置、设备及存储介质，用于提高分拨中心的监测区域中行人检测识别的准确性，以及提高分拨中心监控物流配送的安全性。

为实现上述目的，本发明第一方面提供了一种行人检测识别方法，包括：获取多张分拨中心监控图片数据，所述多张分拨中心监控图片数据包括有行人的图片和无行人的图片；对所述多张分拨中心监控图片数据依次进行图片预处理并标注，得到样本图片数据集，按照预设比例对所述样本图片数据集进行划分，得到训练图片数据集、验证图片数据集和测试图片数据集；构建初始训练模型，并对所述初始训练模型引入预设的注意力机制，得到改进后的训练模型；根据所述训练图片数据集和所述验证图片数据集对所述改进后的训练模型进行模型训练，得到目标训练模型，并通过所述目标训练模型对所述测试图片数据集进行检测识别，得到识别结果，所述识别结果用于指示分拨中心的监测区域中是否存在异常闯入的行人。

一种可行的实施方式中，所述对所述多张分拨中心监控图片数据依次进行图片预处理并标注，得到样本图片数据集，按照预设比例对所述样本图片数据集进行划分，得到训练图片数据集、验证图片数据集和测试图片数据集，包括：获取预设标准尺寸，并按照所述预设标准尺寸分别对所述多张分拨中心监控图片数据进行尺寸校正，得到多张校正后的图片数据；对所述多张校正后的图片数据依次进行降噪处理、色彩调整和数据增强处理，得到多张预处理后的图像数据；通过预设标注工具或预设标注模型对所述多张预处理后的图像数据进行图像标注，得到样本图片数据集，所述样本图片数据集中的每张图片采用可扩展标记语言标注文件表示行人位置信息；按照预设比例将所述样本图片数据集随机划分为互不重叠的训练图片数据集、验证图片数据集和测试图片数据集，所述预设比例为5:4:1。

一种可行的实施方式中，所述构建初始训练模型，并对所述初始训练模型引入预设的注意力机制，得到改进后的训练模型，包括：获取并部署yolo-v3模型文件，得到部署后的yolo-v3模型；基于预设的imagenet数据集对所述部署后的yolo-v3模型进行网络参数初始化，得到初始训练模型；对所述初始训练模型中的主干特征提取网络添加预设的注意力机制，得到改进后的训练模型，所述预设的注意力机制为通道注意力机制和/或空间注意力机制，所述改进后的训练模型为基于注意力机制的yolo-v3模型。