[发明专利]行人检测方法、装置、电子设备及存储介质在审
申请号: | 202210114377.4 | 申请日: | 2022-01-30 |
公开(公告)号: | CN114463786A | 公开(公告)日: | 2022-05-10 |
发明(设计)人: | 曹燕 | 申请(专利权)人: | 中国第一汽车股份有限公司 |
主分类号: | G06V40/10 | 分类号: | G06V40/10;G06V10/50;G06V10/774;G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08 |
代理公司: | 北京远智汇知识产权代理有限公司 11659 | 代理人: | 鲁艳萍 |
地址: | 130011 吉林省长*** | 国省代码: | 吉林;22 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 行人 检测 方法 装置 电子设备 存储 介质 | ||
1.一种行人检测方法,其特征在于,所述方法包括:
获取待检测图像数据,并利用多个卷积核对所述待检测图像数据进行特征提取,得到多个特征图;
对于任一特征图,将所述特征图输入到预设的梯度直方图特征获取算法中,获取所述梯度直方图特征获取算法输出的所述特征图对应的梯度直方图特征;
将各特征图对应的梯度直方图特征输入到预设分类器中,获取所述预设分类器的分类结果,并基于所述分类结果检测所述待检测图像数据中的行人。
2.根据权利要求1所述的方法,其特征在于,所述利用多个卷积核对所述待检测图像数据进行特征提取,得到多个特征图,包括:
获取预设的多个卷积核权值,其中,各卷积核权值分别用于不同角度的特征提取;
基于各卷积核权值,对待检测图像数据进行不同角度的特征提取,得到各卷积核权值对应的特征图。
3.根据权利要求2所述的方法,其特征在于,各所述卷积核权值具有预设关联性。
4.根据权利要求1所述的方法,其特征在于,所述对于任一特征图,将所述特征图输入到预设的梯度直方图特征获取算法中,获取所述梯度直方图特征获取算法输出的所述特征图对应的梯度直方图特征,包括:
对于任一特征图,将所述特征图进行归一化,并计算所述特征图中各像素点的梯度幅值和梯度方向;
对各像素点沿对应的所述梯度方向按照所述梯度幅值进行投影,并基于投影得到的直方图确定所述特征图的梯度直方图特征。
5.根据权利要求4所述的方法,其特征在于,所述计算所述特征图中各像素点的梯度幅值和梯度方向,包括:
对于任一像素点,分别确定所述像素点在第一预设方向和第二预设方向的梯度分量;
基于所述第一预设方向的梯度分量和所述第二预设方向的梯度分量确定所述像素点的梯度幅值和梯度方向。
6.根据权利要求4所述的方法,其特征在于,所述对各像素点沿对应的所述梯度方向按照所述梯度幅值进行投影,并基于投影得到的直方图确定所述特征图的梯度直方图特征,包括:
将所述特征图分成预设数量的特征单元,并对各特征单元中的各像素点沿对应的所述梯度方向按照所述梯度幅值进行投影,得到各特征单元的直方图;
将各特征单元的直方图进行空间串联,得到所述特征图的梯度直方图特征。
7.根据权利要求1所述的方法,其特征在于,在所述将各特征图对应的梯度直方图特征输入到预设分类器中之前,所述方法还包括:
对各特征图对应的梯度直方图特征进行相关性分析,得到各特征图的梯度直方图特征之间的相关性;
对于相关性低于预设阈值的梯度直方图特征组合为新的梯度直方图特征;
基于新的梯度直方图特征执行所述将各特征图对应的梯度直方图特征输入到预设分类器中的步骤。
8.一种行人检测装置,其特征在于,所述装置包括:
特征图提取模块,用于获取待检测图像数据,并利用多个卷积核对所述待检测图像数据进行特征提取,得到多个特征图;
梯度直方图特征获取模块,用于对于任一特征图,将所述特征图输入到预设的梯度直方图特征获取算法中,获取所述梯度直方图特征获取算法输出的所述特征图对应的梯度直方图特征;
分类模块,用于将各特征图对应的梯度直方图特征输入到预设分类器中,获取所述预设分类器的分类结果,并基于所述分类结果检测所述待检测图像数据中的行人。
9.一种电子设备,其特征在于,所述电子设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一所述的行人检测方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-7中任一所述的行人检测方法。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国第一汽车股份有限公司,未经中国第一汽车股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210114377.4/1.html,转载请声明来源钻瓜专利网。