[发明专利]一种行人检测方法、装置及电子设备

说明书

本申请涉及计算机视觉或图像处理技术领域，尤其涉及一种行人检测方法、装置及电子设备。行人检测方法包括：获取待检测的深度图像；对深度图像进行预处理，其中，所述预处理包括去除深度图像中的无效像素值、去除深度图像中超出距离阈值的像素值、去除深度图像的背景、和对深度图像进行降噪处理中的一种或多种；将预处理后的深度图像转换成归一化图像；将归一化图像输入行人检测模型，输出检测结果。本实施例可以提高检测结果的准确度，也不易泄露用户隐私。

技术领域

本申请涉及计算机视觉或图像处理技术领域，尤其涉及一种行人检测方法、装置及电子设备。

背景技术

计算机视觉就是用各种成像系统代替视觉器官作为输入敏感手段，由计算机来代替大脑完成处理和解释。计算机视觉的最终研究目标就是使计算机能象人那样通过视觉观察和理解世界，具有自主适应环境的能力。

行人检测是计算机视觉中的关键问题。行人检测在机器人、安防、自动驾驶等领域中应用广泛，也为后续的行人再识别、行人跟踪、动作识别等提供了先决条件。

目前大多采用基于RGB图像的行人检测方法，该方法存在易受背景和光照影响的缺点，且RGB图像存在泄露用户隐私等的问题。

发明内容

有鉴于此，本申请实施例提供了一种行人检测方法、装置及电子设备，能够解决相关技术中的一个或多个技术问题。

第一方面，本申请一实施例提供了一种行人检测方法，包括：获取待检测的深度图像；对所述深度图像进行预处理，其中，预处理包括去除深度图像中的无效像素值、去除深度图像中超出距离阈值的像素值、去除深度图像的背景、和对所述深度图像进行降噪处理中的一种或多种；将预处理后的深度图像转换成归一化图像；将所述归一化图像输入行人检测模型，输出检测结果。

本实施例提供的行人检测方法，获取深度图像进行行人检测，一方面，由于使用深度图像，背景和光照等变化影响小，可以提高检测结果的准确度；另一方面，人眼很难识别出深度图像中的目标，也很难感知到深度的变化，因而不易泄露用户隐私。

本实施例增加了对深度图像进行预处理的步骤，一方面，经预处理的深度图像可以提升特征提取的准确度，从而可以提高检测结果的准确率；另一方面，经预处理的深度图像可以降低特征提取的难度，从而可以降低行人检测模型的网络复杂度，采用轻量化的模型也可实现行人检测。

作为第一方面的一实现方式，所述去除所述深度图像中的无效像素值包括将所述深度图像中的空洞或不存在的像素值赋为零；所述去除所述深度图像中超出距离阈值的像素值包括将所述深度图像中超出距离阈值的像素值赋为零。

作为第一方面的一实现方式，所述行人检测模型包括多组串联的卷积层、批归一化层和激活层；所述行人检测模型还包括输出层，所述输出层包括分类层和回归层，所述分类层和所述回归层并联设置。

作为第一方面的一实现方式，采用包括分类损失函数和回归损失函数的混合损失函数训练所述行人检测模型。本实施例由于同时考虑了分类损失和回归损失，提升了模型的准确率，为避免过拟合，学习中不断调整彼此输出误判的样本的权重。

作为第一方面的一实现方式，采用所述分类损失函数和所述回归损失函数的直接求和或加权求和作为所述混合损失函数。

作为第一方面的一实现方式，所述将所述预处理后的深度图像转换成归一化图像，包括：确定所述深度图像中各像素值的最大值和最小值；通过所述最大值和所述最小值，将所述深度图像中各像素值归一化到目标数值范围，得到归一化图像。