[发明专利]行人图像检测方法、装置、计算机设备及存储介质

说明书

本发明涉及人工智能技术领域，提供一种行人图像检测方法、装置、计算机设备及存储介质，包括：将行人图像输入至一个原始backbone网络中和至少一个辅助backbone网络中并进行融合得到增强型backbone网络；获取增强型backbone网络输出的增强特征图，并将增强特征图输入至预先训练的多尺度行人特征提取模型中进行特征提取，得到多个尺度的特征图；利用预先聚类得到的多个anchor box分别在每个尺度的特征图上进行行人检测，得到每个尺度的特征图对应的第一anchor box坐标及每个第一anchor box坐标的第一得分；将第一得分最高的第一anchor box坐标确定为预测出的位置坐标，并将预测出的位置坐标映射到行人图像上，得到行人图像的检测结果。本发明可应用于智慧交通中，能够提高行人图像的检测准确度。

技术领域

本发明涉及人工智能技术领域，具体涉及一种行人图像检测方法、装置、计算机设备及存储介质。

背景技术

行人图像检测是计算机视觉中一个比较热门的研究方向，在智能视频监控、智能机器人、自动驾驶等诸多领域有着广泛的应用。

YOLOv3由于具有检测速度快且准确度高等优点，成为目前业内主流的行人图像检测算法之一。传统的YOLOv3行人图像检测算法对于一般环境下的行人图像检测效果较好，但对于遮挡、密集等复杂环境下的行人图像检测效果较弱。

发明内容

鉴于以上内容，有必要提出一种行人图像检测方法、装置、计算机设备及存储介质，能够提高行人图像的检测准确度。

本发明的第一方面提供一种行人图像检测方法，所述方法包括：

将行人图像输入至一个原始backbone网络中和至少一个辅助backbone网络中；

将所述至少一个辅助backbone网络与所述原始backbone网络进行融合得到增强型backbone网络；

获取所述增强型backbone网络输出的增强特征图，并将所述增强特征图输入至预先训练的多尺度行人特征提取模型中进行特征提取，得到多个尺度的特征图；

利用预先聚类得到的多个anchor box分别在每个尺度的特征图上进行行人检测，得到每个尺度的特征图对应的第一anchor box坐标及每个第一anchor box坐标的第一得分；

将所述第一得分最高的第一anchor box坐标确定为预测出的位置坐标，并将所述预测出的位置坐标映射到所述行人图像上，得到所述行人图像的检测结果。

根据本发明的一个可选的实施例，所述至少一个辅助backbone网络包括第一辅助backbone网络和第二辅助backbone网络，所述将所述至少一个辅助backbone网络与所述原始backbone网络进行融合得到增强型backbone网络包括：

获取所述第一辅助backbone网络中的每一层卷积层的第一输入，并对所述每一层卷积层的第一输入进行上采样处理得到第一采样结果；

将所述第一采样结果与所述第二辅助backbone网络中对应卷积层的第一输出进行加和计算得到第一计算结果，并输入所述第一计算结果至所述第二辅助backbone网络中所述对应卷积层的下一卷积层中；

获取所述第二辅助backbone网络中的每一层卷积层的第二输入，并对所述每一层卷积层的第二输入进行上采样处理得到第二采样结果；

将所述第二采样结果与所述原始backbone网络中对应卷积层的第二输出进行加和计算得到第二计算结果，并输入所述第二计算结果至所述原始backbone网络中所述对应卷积层的下一卷积层中。

根据本发明的一个可选的实施例，在所述将所述增强特征图输入至预先训练的多尺度行人特征提取模型中进行特征提取之前，所述行人图像检测方法还包括：