[发明专利]一种行人检测方法、装置、电子设备及存储介质

说明书

本发明提供了一种行人检测方法、装置、电子设备及存储介质。所述方法包括：获取待识别目标图片；将所述待识别目标图片输入至行人检测模型中，得到行人检测结果；所述行人检测结果为一张包含多个行人检测框的图片；其中，所述行人检测模型由卷积神经网络、注意力机制网络和区域候选网络组成。本发明提供的行人检测方法增强了对图片中小物体目标的检测能力，进一步提高了行人检测的准确度。

技术领域

本发明计算机视觉技术领域，尤其涉及一种行人检测方法、装置、电子设备及存储介质。

背景技术

行人检测是计算机视觉领域中的一个重要研究分支，主要任务是判断输入的图像或视频序列中是否出现行人，并确定其位置。行人检测技术广泛地应用于视频监控、车辆辅助驾驶、智能机器人等多个领域。

近年来，深度学习方法在目标检测上取得了重大的突破，展现出比传统方法更强大的检测能力。现有的目标检测网络Faster-RCNN通过主干网络特征提取图片深层次的语义信息，有助于物体的分类和大物体目标的识别，然而浅层网络并没有得到很好的得到利用，不利于小物体目标的识别，应用于行人检测时检测准确度较低。

发明内容

为了解决上述问题，本发明提供一种行人检测方法、装置、电子设备及存储介质，用以解决现有技术不利于小物体目标检测的缺陷。

本发明提供一种行人检测方法，包括：

获取待识别目标图片；

将所述待识别目标图片输入至行人检测模型中，得到行人检测结果；所述行人检测结果为一张包含多个行人检测框的图片；

其中，所述行人检测模型由卷积神经网络、注意力机制网络和区域候选网络组成，所述行人检测模型基于以下步骤进行训练，包括：

步骤1，获取样本图片，将所述样本图片输入至卷积神经网络中进行多尺度特征融合，得到融合所述卷积神经网络各层图片特征信息的多通道特征图；其中，所述样本图片包含预先标注好的行人真实框；

步骤2，将所述多通道特征图输入至注意力机制网络中，对所述多通道特征图分别进行全局平均池化和全局最大池化处理，得到聚合所述多通道特征图中重要通道特征信息的特征图；

步骤3，将经过步骤2处理后的特征图输入至区域候选网络中，得到一张包含多个行人候选框的图片，并根据所述候选框与所述真实框的位置关系计算Focal-EIOU-Loss损失，以及根据所述候选框和所述真实框的坐标计算Smooth L1 Loss损失，以使将所述Focal-EIOU-Loss损失和所述Smooth L1 Loss损失之和作为目标损失，并根据所述目标损失优化所述行人检测模型，当所述目标损失小于预设阈值时训练结束，从而获取训练好的行人检测模型。

可选的，将所述样本图片输入至卷积神经网络中进行多尺度特征融合，得到融合所述卷积神经网络各层图片特征信息的多通道特征图，包括：

将所述样本图片输入至卷积神经网络中进行特征提取，并在所述卷积神经网络每次进行卷积操作前，将卷积神经网络当前层输出的特征图中的图片特征信息与上一层输出的特征图中的图片特征信息进行堆叠和特征融合，作为所述卷积神经网络当前层的融合特征图，从而最终得到融合所述卷积神经网络各层图片特征信息的多通道特征图。

可选的，在所述得到行人检测结果后，还包括：

根据所述行人检测结果，确定所述待识别目标图片中出现的行人数量。

可选的，所述对所述多通道特征图分别进行全局平均池化和全局最大池化处理，得到聚合所述多通道特征图中重要通道特征信息的特征图，包括：

基于全局最大池化公式，确定所述多通道特征图中的重要通道特征信息，并基于全局平均池化公式，聚合所述重要通道特征信息，得到聚合所述多通道特征图中重要通道特征信息的特征图。