[发明专利]训练静态人体检测模型的方法、人体检测方法及装置

权利要求书

1.一种训练静态人体检测模型的方法，其特征在于，包括：

获取若干个静态热源样本，所述静态热源样本包括k帧红外图像，所述k帧红外图像具有时序性，各所述静态热源样本均标注有真实标签，所述真实标签反映所述静态热源样本中的静态热源属于静态人体热源或干扰热源；

采用所述若干个静态热源样本，对预先设置的3D卷积神经网络进行迭代训练，直至所述3D卷积神经网络收敛，得到所述静态人体检测模型。

2.根据权利要求1所述的方法，其特征在于，所述3D卷积神经网络包括依次级联的第一特征提取模块、第二特征提取模块和分类模块；

其中，所述第一特征提取模块用于提取所述静态热源样本中各个红外图像中的静态热源的大致形状特征；

所述第二特征提取模块用于提取所述静态热源样本中各个红外图像中的静态热源的温度分布特征以及所述静态热源样本中静态热源在时间维度上的变化特征；

所述分类模块用于对所述第二特征提取模块输出的特征图进行分类，输出属于所述静态人体热源的概率和属于所述干扰热源的概率。

3.根据权利要求2所述的方法，其特征在于，所述第一特征提取模块包括多个3D卷积层，各所述3D卷积层后均设置有最大池化层。

4.根据权利要求2所述的方法，其特征在于，所述第二特征提取模块包括多个级联的子模块，各所述子模块包括依次连接的多个3D卷积层，其中，最后一个3D卷积层后设置有最大池化层。

5.根据权利要求2所述的方法，其特征在于，所述分类模块包括多个全连接层和softmax函数层，其中，相邻两个全连接层之间设置有Dropout层。

6.根据权利要求1所述的方法，其特征在于，训练过程中所采用的损失函数包括：

其中，Loss为单个训练分支的损失，N为单个训练分支中的样本数量，w_n为第n个静态热源样本中检测到存在热斑的帧数占比，y_n为所述第n个静态热源样本对应的预测标签，为所述第n个静态热源样本对应的真实标签。

7.一种人体检测方法，其特征在于，包括：

获取测试样本，所述测试样本包括具有时序性的k帧红外图像；

根据所述测试样本，确定所述测试样本中是否存在热源，若不存在热源，则输出不存在人体；

若存在热源，则根据所述测试样本，确定所述热源是否发生移动，若发生移动，则输出存在人体；

若未发生移动，则将所述测试样本输入静态人体检测模型，输出所述测试样本中的热源属于静态人体热源还是属于干扰热源，其中，静态人体检测模型是采用如权利要求1-6任意一项训练静态人体检测模型的方法训练得到的。

8.根据权利要求7所述的方法，其特征在于，所述根据所述测试样本，确定所述热源是否发生移动，包括：

对所述测试样本进行差分计算，得到差分样本；

遍历所述差分样本，确定每一帧差分图像分别对应的温度阈值；

针对所述差分图像中的像素点，筛选出差值不小于所述温度阈值的像素点，构成移动区域，若所述移动区域的最大连通面积大于或等于面积阈值，则确定所述差分图像中热源存在移动；

当所述差分样本遍历完成后，若所述差分样本中存在热源移动的差分图像的数量大于或等于数量阈值，则确定所述热源发生移动。

9.一种电子设备，其特征在于，包括：

至少一个处理器；和

与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1-8任一项所述的方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机设备执行如权利要求1-8任一项所述的方法。