CN116453156A - 行人检测方法、装置、电子设备及存储介质 - Google Patents

行人检测方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN116453156A
CN116453156A CN202310251456.4A CN202310251456A CN116453156A CN 116453156 A CN116453156 A CN 116453156A CN 202310251456 A CN202310251456 A CN 202310251456A CN 116453156 A CN116453156 A CN 116453156A
Authority
CN
China
Prior art keywords
pedestrian
pedestrian detection
visible light
detection result
image
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202310251456.4A
Other languages
English (en)
Inventor
李北斗
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Suzhou Inspur Intelligent Technology Co Ltd
Original Assignee
Suzhou Inspur Intelligent Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Suzhou Inspur Intelligent Technology Co Ltd filed Critical Suzhou Inspur Intelligent Technology Co Ltd
Priority to CN202310251456.4A priority Critical patent/CN116453156A/zh
Publication of CN116453156A publication Critical patent/CN116453156A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10048—Infrared image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30244—Camera pose
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Human Computer Interaction (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供一种行人检测方法、装置、电子设备及存储介质，所述方法包括：获取行人检测区域的第一可见光图像和第一红外图像；基于行人检测模型，进行行人检测，获取第一可见光图像的第一行人检测结果和第一红外图像的第二行人检测结果；在第一行人检测结果和第二行人检测结果表示图像中检测到行人的情况下，获取第一可见光图像中第一行人轮廓特征和第一红外图像中第二行人轮廓特征；分析第一行人轮廓特征和第二行人轮廓特征之间的匹配度，获取第三行人检测结果，第三行人检测结果用于表示行人检测区域是否存在行人。通过结合可见光图像的行人检测结果和红外图像的行人检测结果，能够降低环境因素对检测结果的影响，提高行人检测的准确率。

Description

行人检测方法、装置、电子设备及存储介质
技术领域
本发明涉及计算机技术领域，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
对行人的实时检测是机场跑道、地铁铁轨、博物馆和展览馆等许多重要防人员入侵的场所在管理和决策方面不可缺少的。相关技术中，一般基于可见光图像特征完成行人识别任务，但可见光图像容易受环境影响，检测准确率较低。例如，可见光图像在曝光失调或者行人外观纹理特征和背景极其相似的情况下，检测准确率会下降。如何提高行人检测的准确率是目前业界亟待解决的问题。
发明内容
针对现有技术存在的问题，本发明实施例提供一种行人检测方法、装置、电子设备及存储介质。
第一方面，本发明提供一种行人检测方法，包括：
获取行人检测区域的第一可见光图像和第一红外图像；
基于行人检测模型，对所述第一可见光图像和第一红外图像进行行人检测，获取所述第一可见光图像对应的第一行人检测结果和所述第一红外图像对应的第二行人检测结果；
在所述第一行人检测结果表示在所述第一可见光图像中检测到行人，且所述第二行人检测结果表示在所述第一红外图像中检测到行人的情况下，获取所述第一可见光图像中第一行人轮廓特征和所述第一红外图像中第二行人轮廓特征；
通过分析所述第一行人轮廓特征和所述第二行人轮廓特征之间的匹配度，获取第三行人检测结果，所述第三行人检测结果用于表示所述行人检测区域是否存在行人。
可选地，根据本发明提供的一种行人检测方法，所述通过分析所述第一行人轮廓特征和所述第二行人轮廓特征之间的匹配度，获取第三行人检测结果，包括：
基于相机标定参数，将所述第一可见光图像和所述第一红外图像转换至同一目标平面内；
在所述目标平面内，比较所述第一行人轮廓特征和所述第二行人轮廓特征，获取匹配度；
基于预设匹配阈值和所述匹配度，确定所述第三行人检测结果。
可选地，根据本发明提供的一种行人检测方法，所述在所述目标平面内，比较所述第一行人轮廓特征和所述第二行人轮廓特征，获取匹配度，包括：
在所述目标平面内，基于所述第一行人轮廓特征，确定第一行人区域；以及基于所述第二行人轮廓特征，确定第二行人区域；
通过分析所述第一行人区域和所述第二行人区域之间的重合面积，确定所述匹配度。
可选地，根据本发明提供的一种行人检测方法，所述基于预设匹配阈值和所述匹配度，确定所述第三行人检测结果，包括：
在所述匹配度大于或等于所述预设匹配阈值的情况下，基于所述第一行人区域和所述第一可见光图像，生成带行人标记框的第二可见光图像，以及基于所述第二行人区域和所述第一红外图像，生成带行人标记框的第二红外图像；
基于所述第二可见光图像和所述第二红外图像，确定所述第三行人检测结果。
可选地，根据本发明提供的一种行人检测方法，所述行人检测模型包括可见光行人检测子模型和红外行人检测子模型；
所述基于行人检测模型，对所述第一可见光图像和第一红外图像进行行人检测，获取所述第一可见光图像对应的第一行人检测结果和所述第一红外图像对应的第二行人检测结果，包括：
基于所述可见光行人检测子模型和所述第一可见光图像，获取所述第一行人检测结果；
基于所述红外行人检测子模型和所述第一红外图像，获取所述第二行人检测结果；
所述可见光行人检测子模型是基于第一数据集对已预训练的图像分割模型进行训练所获取的，所述第一数据集包括多个可见光图像样本和各可见光图像样本对应的行人标注信息；
所述红外行人检测子模型是基于第二数据集对已预训练的图像分割模型进行训练所获取的，所述第二数据集包括多个红外图像样本和各红外图像样本对应的行人标注信息。
可选地，根据本发明提供的一种行人检测方法，在所述通过分析所述第一行人轮廓特征和所述第二行人轮廓特征之间的匹配度，获取第三行人检测结果之后，还包括：
在所述第三行人检测结果表示所述行人检测区域存在行人的情况下，从所述行人检测区域的可见光视频帧序列中提取连续的多帧可见光图像，以及从所述行人检测区域的红外视频帧序列中提取连续的多帧红外图像；
基于所述第一行人轮廓特征和所述多帧可见光图像，通过光流场分析，确定第一特征点集在所述多帧可见光图像中各帧图像上的位置；
基于所述第二行人轮廓特征和所述多帧红外图像，通过光流场分析，确定第二特征点集在所述多帧红外图像中各帧图像上的位置；
所述多帧可见光图像的首个帧为所述第一可见光图像，所述多帧红外图像的首个帧为所述第一红外图像，所述第一特征点集为所述第一行人轮廓特征对应的特征点集，所述第二特征点集为所述第二行人轮廓特征对应的特征点集。
可选地，根据本发明提供的一种行人检测方法，在所述获取行人检测区域的第一可见光图像和第一红外图像之前，还包括：
获取所述行人检测区域的光照强度；
在所述光照强度小于或等于预设强度阈值的情况下，控制所述行人检测区域的一个或多个补光灯开启。
第二方面，本发明还提供一种行人检测装置，包括：
第一获取模块，用于获取行人检测区域的第一可见光图像和第一红外图像；
第二获取模块，用于基于行人检测模型，对所述第一可见光图像和第一红外图像进行行人检测，获取所述第一可见光图像对应的第一行人检测结果和所述第一红外图像对应的第二行人检测结果；
第三获取模块，用于在所述第一行人检测结果表示在所述第一可见光图像中检测到行人，且所述第二行人检测结果表示在所述第一红外图像中检测到行人的情况下，获取所述第一可见光图像中第一行人轮廓特征和所述第一红外图像中第二行人轮廓特征；
第四获取模块，用于通过分析所述第一行人轮廓特征和所述第二行人轮廓特征之间的匹配度，获取第三行人检测结果，所述第三行人检测结果用于表示所述行人检测区域是否存在行人。
第三方面，本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述行人检测方法。
第四方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述行人检测方法。
本发明提供的行人检测方法、装置、电子设备及存储介质，通过获取行人检测区域的第一可见光图像和第一红外图像，可以对第一可见光图像和第一红外图像进行行人检测，以获取第一可见光图像对应的第一行人检测结果和第一红外图像对应的第二行人检测结果，进而可以在第一行人检测结果和第二行人检测结果表示检测到行人的情况下，提取并分析第一可见光图像中第一行人轮廓特征和第一红外图像中第二行人轮廓特征，基于第一行人轮廓特征和第二行人轮廓特征之间的匹配度，可以获取最终的第三行人检测结果，结合可见光图像的行人检测结果和红外图像的行人检测结果，能够降低环境因素对检测结果的影响，实现提高行人检测的准确率。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明提供的行人检测方法的流程示意图之一；
图2是本发明提供的行人检测方法的流程示意图之二；
图3是本发明提供的行人检测方法的流程示意图之三；
图4是本发明提供的行人检测方法的流程示意图之四；
图5是本发明提供的行人检测装置的结构示意图；
图6是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
图1是本发明提供的行人检测方法的流程示意图之一，如图1所示，所述行人检测方法的执行主体可以是电子设备，例如服务器等。
该方法包括：
步骤101，获取行人检测区域的第一可见光图像和第一红外图像。
具体地，为了提高行人检测的准确率，可以在行人检测区域配置可见光摄像机和红外摄像机，可以通过可见光摄像机获取行人检测区域的第一可见光图像，可以通过红外摄像机获取行人检测区域的第一红外图像。
步骤102，基于行人检测模型，对所述第一可见光图像和第一红外图像进行行人检测，获取所述第一可见光图像对应的第一行人检测结果和所述第一红外图像对应的第二行人检测结果。
具体地，在获取到第一可见光图像和第一红外图像之后，可以基于行人检测模型对这两种图像进行行人检测，进而可以获取到可见光图像对应的检测结果(也即第一行人检测结果)，还可以获取到红外图像对应的检测结果(也即第二行人检测结果)。
可以理解的是，第一行人检测结果可以表示在第一可见光图像中检测到行人，或者第一行人检测结果可以表示在第一可见光图像中未检测到行人；第二行人检测结果可以表示在第一红外图像中检测到行人，或者第二行人检测结果可以表示在第一红外图像中未检测到行人。
步骤103，在所述第一行人检测结果表示在所述第一可见光图像中检测到行人，且所述第二行人检测结果表示在所述第一红外图像中检测到行人的情况下，获取所述第一可见光图像中第一行人轮廓特征和所述第一红外图像中第二行人轮廓特征。
具体地，在获取到第一行人检测结果和第二行人检测结果之后，可以判断是否在可见光图像和红外图像中检测到行人，若第一行人检测结果表示在第一可见光图像中检测到行人，且第二行人检测结果表示在第一红外图像中检测到行人，则可以从第一可见光图像中提取第一行人轮廓特征，从第一红外图像中提取第二行人轮廓特征。
可选地，在第一行人检测结果表示在第一可见光图像中检测到行人的情况下，第一行人检测结果可以包括第一行人轮廓特征，第一行人轮廓特征可以是通过行人检测模型从第一可见光图像中提取得到的，进而可以基于第一行人检测结果获取第一行人轮廓特征。
可选地，在第二行人检测结果表示在第一红外图像中检测到行人的情况下，第二行人检测结果可以包括第二行人轮廓特征，第二行人轮廓特征可以是通过行人检测模型从第一红外图像中提取得到的，进而可以基于第二行人检测结果获取第二行人轮廓特征。
步骤104，通过分析所述第一行人轮廓特征和所述第二行人轮廓特征之间的匹配度，获取第三行人检测结果，所述第三行人检测结果用于表示所述行人检测区域是否存在行人。
具体地，在获取到第一行人轮廓特征和第二行人轮廓特征之后，可以分析第一行人轮廓特征和第二行人轮廓特征之间的匹配度，基于两者之间的匹配度，可以确定最终的检测结果，也即第三行人检测结果。
可以理解的是，可以第一行人轮廓特征和第二行人轮廓特征之间的匹配度，可以反映可见光图像对应的检测结果与红外图像对应的检测结果之间的一致性，匹配度越高则两个检测结果的一致性越高，匹配度越低则两个检测结果的一致性越低，可以通过分析两个行人轮廓特征之间的匹配度，来确定最终的检测结果，也即第三行人检测结果，第三行人检测结果可以表示行人检测区域是否存在行人。
本发明提供的行人检测方法，通过获取行人检测区域的第一可见光图像和第一红外图像，可以对第一可见光图像和第一红外图像进行行人检测，以获取第一可见光图像对应的第一行人检测结果和第一红外图像对应的第二行人检测结果，进而可以在第一行人检测结果和第二行人检测结果表示检测到行人的情况下，提取并分析第一可见光图像中第一行人轮廓特征和第一红外图像中第二行人轮廓特征，基于第一行人轮廓特征和第二行人轮廓特征之间的匹配度，可以获取最终的第三行人检测结果，结合可见光图像的行人检测结果和红外图像的行人检测结果，能够降低环境因素对检测结果的影响，实现提高行人检测的准确率。
可选地，根据本发明提供的一种行人检测方法，所述通过分析所述第一行人轮廓特征和所述第二行人轮廓特征之间的匹配度，获取第三行人检测结果，包括：
基于相机标定参数，将所述第一可见光图像和所述第一红外图像转换至同一目标平面内；
在所述目标平面内，比较所述第一行人轮廓特征和所述第二行人轮廓特征，获取匹配度；
基于预设匹配阈值和所述匹配度，确定所述第三行人检测结果。
具体地，在获取到第一行人轮廓特征和第二行人轮廓特征之后，可以基于相机标定参数，将可见光图像和红外图像转换至同一目标平面内，以便之后能够准确地分析第一行人轮廓特征和第二行人轮廓特征之间的匹配度。
可以理解的是，可见光摄像机的图像平面和红外摄像机的图像平面可能不在同一平面，为了便于后续分析第一行人轮廓特征和第二行人轮廓特征之间的匹配度，需要将可见光图像和红外图像转换至同一目标平面内。
具体地，在将第一可见光图像和第一红外图像转换至同一目标平面内之后，可以在目标平面内，比较第一行人轮廓特征和第二行人轮廓特征，以获取匹配度，进而可以基于预设匹配阈值和匹配度，确定第三行人检测结果。
可以理解的是，若匹配度大于或等于预设匹配阈值，则表明可见光图像对应的检测结果与红外图像对应的检测结果之间的一致性较高，所确定的第三行人检测结果可以表示行人检测区域存在行人；若匹配度小于预设匹配阈值，则表明可见光图像对应的检测结果与红外图像对应的检测结果之间的一致性较低，所确定的第三行人检测结果可以表示行人检测区域不存在行人，避免误检。
可选地，图2是本发明提供的行人检测方法的流程示意图之二，如图2所示，该行人检测方法包括步骤201至步骤206：
步骤201，获取行人检测区域的第一可见光图像和第一红外图像；
步骤202，基于行人检测模型，对第一可见光图像和第一红外图像进行行人检测，获取第一可见光图像对应的第一行人检测结果和第一红外图像对应的第二行人检测结果；
步骤203，在第一行人检测结果表示在第一可见光图像中检测到行人，且第二行人检测结果表示在第一红外图像中检测到行人的情况下，获取第一可见光图像中第一行人轮廓特征和第一红外图像中第二行人轮廓特征；
步骤204，基于相机标定参数，将第一可见光图像和第一红外图像转换至同一目标平面内；
步骤205，在目标平面内，比较第一行人轮廓特征和第二行人轮廓特征，获取匹配度；
步骤206，基于预设匹配阈值和匹配度，确定第三行人检测结果。
可选地，相机标定参数可以包括：目标旋转矩阵和目标平移矩阵，目标旋转矩阵用于表征可见光图像坐标系和红外图像坐标系之间的旋转关系，目标平移矩阵用于表征可见光图像坐标系和红外图像坐标系之间的平移关系；
所述基于相机标定参数，将所述第一可见光图像和所述第一红外图像转换至同一目标平面内，包括：
基于所述目标旋转矩阵和所述目标平移矩阵，将所述第一可见光图像和所述第一红外图像转换至所述目标平面内。
可选地，可以在行人检测区域配置可见光摄像机和红外摄像机，在基于所述目标旋转矩阵和所述目标平移矩阵，将所述第一可见光图像和所述第一红外图像转换至所述目标平面内之前，还包括：
基于立体标定法，对所述可见光摄像机和所述红外摄像机进行标定，确定所述目标旋转矩阵和所述目标平移矩阵。
因此，通过将两种图像转换至同一目标平面内，能够准确地分析第一行人轮廓特征和第二行人轮廓特征之间的匹配度，通过比较预设匹配阈值和匹配度，可以确定最终的检测结果，结合可见光图像的行人检测结果和红外图像的行人检测结果，能够降低环境因素对检测结果的影响，实现提高行人检测的准确率。
可选地，根据本发明提供的一种行人检测方法，所述在所述目标平面内，比较所述第一行人轮廓特征和所述第二行人轮廓特征，获取匹配度，包括：
在所述目标平面内，基于所述第一行人轮廓特征，确定第一行人区域；以及基于所述第二行人轮廓特征，确定第二行人区域；
通过分析所述第一行人区域和所述第二行人区域之间的重合面积，确定所述匹配度。
具体地，在将第一可见光图像和第一红外图像转换至同一目标平面内之后，可以在目标平面内，基于第一行人轮廓特征，确定第一行人区域，以及基于第二行人轮廓特征，确定第二行人区域，进而可以分析第一行人区域和第二行人区域之间的重合面积，基于该重合面积可以确定第一行人轮廓特征和第二行人轮廓特征之间的匹配度，进而可以基于预设匹配阈值和匹配度，确定最终的检测结果，也即第三行人检测结果。
可选地，可以确定重合面积与第一行人区域的面积之间的比值，将该比值作为第一行人轮廓特征和第二行人轮廓特征之间的匹配度。
可选地，可以确定重合面积与第二行人区域的面积之间的比值，将该比值作为第一行人轮廓特征和第二行人轮廓特征之间的匹配度。
因此，通过分析第一行人区域和第二行人区域之间的重合面积，可以确定匹配度，通过比较预设匹配阈值和匹配度，可以确定最终的检测结果，结合可见光图像的行人检测结果和红外图像的行人检测结果，能够降低环境因素对检测结果的影响，实现提高行人检测的准确率。
可选地，根据本发明提供的一种行人检测方法，所述基于预设匹配阈值和所述匹配度，确定所述第三行人检测结果，包括：
在所述匹配度大于或等于所述预设匹配阈值的情况下，基于所述第一行人区域和所述第一可见光图像，生成带行人标记框的第二可见光图像，以及基于所述第二行人区域和所述第一红外图像，生成带行人标记框的第二红外图像；
基于所述第二可见光图像和所述第二红外图像，确定所述第三行人检测结果。
具体地，在确定第一行人轮廓特征和第二行人轮廓特征之间的匹配度之后，可以比较匹配度和预设匹配阈值，若匹配度大于或等于预设匹配阈值，则表明可见光图像对应的检测结果与红外图像对应的检测结果之间的一致性较高，进而可以基于第一行人区域和第一可见光图像，生成带行人标记框的第二可见光图像，以及基于第二行人区域和第一红外图像，生成带行人标记框的第二红外图像，进而可以基于第二可见光图像和第二红外图像，确定第三行人检测结果。
因此，在匹配度大于或等于预设匹配阈值的情况下，第三行人检测结果可以包括带行人标记框的可见光图像和带行人标记框的红外图像，以便于安保人员通过带行人标记框的图像快捷地确定行人位置，能够提高针对入侵事件的响应效率。
可选地，根据本发明提供的一种行人检测方法，所述行人检测模型包括可见光行人检测子模型和红外行人检测子模型；
所述基于行人检测模型，对所述第一可见光图像和第一红外图像进行行人检测，获取所述第一可见光图像对应的第一行人检测结果和所述第一红外图像对应的第二行人检测结果，包括：
基于所述可见光行人检测子模型和所述第一可见光图像，获取所述第一行人检测结果；
基于所述红外行人检测子模型和所述第一红外图像，获取所述第二行人检测结果；
所述可见光行人检测子模型是基于第一数据集对已预训练的图像分割模型进行训练所获取的，所述第一数据集包括多个可见光图像样本和各可见光图像样本对应的行人标注信息；
所述红外行人检测子模型是基于第二数据集对已预训练的图像分割模型进行训练所获取的，所述第二数据集包括多个红外图像样本和各红外图像样本对应的行人标注信息。
具体地，在获取到第一可见光图像和第一红外图像之后，可以基于可见光行人检测子模型对第一可见光图像进行行人检测，进而可以获取到可见光图像对应的检测结果(也即第一行人检测结果)，还可以基于红外行人检测子模型对第一红外图像进行行人检测，进而可以获取到红外图像对应的检测结果(也即第二行人检测结果)。
可选地，图3是本发明提供的行人检测方法的流程示意图之三，如图3所示，该行人检测方法包括步骤301至步骤305：
步骤301，获取行人检测区域的第一可见光图像和第一红外图像；
步骤302，基于可见光行人检测子模型和第一可见光图像，获取第一行人检测结果；
步骤303，基于红外行人检测子模型和第一红外图像，获取第二行人检测结果；
步骤304，在第一行人检测结果表示在第一可见光图像中检测到行人，且第二行人检测结果表示在第一红外图像中检测到行人的情况下，获取第一可见光图像中第一行人轮廓特征和第一红外图像中第二行人轮廓特征；
步骤305，通过分析第一行人轮廓特征和第二行人轮廓特征之间的匹配度，获取第三行人检测结果。
可选地，在对图像进行行人检测之前，可以构建第一数据集，第一数据集可以包括多个可见光图像样本和各可见光图像样本对应的行人标注信息，进而可以基于第一数据集对已预训练的图像分割模型进行训练，进而可以获取可见光行人检测子模型。
可选地，在对图像进行行人检测之前，可以构建第二数据集，第二数据集可以包括多个红外图像样本和各红外图像样本对应的行人标注信息，进而可以基于第二数据集对已预训练的图像分割模型进行训练，进而可以获取红外行人检测子模型。
因此，可以对可见光图像和红外图像分别进行行人检测，通过可见光行人检测子模型对第一可见光图像进行行人检测，可以获取到可见光图像对应的检测结果，通过红外行人检测子模型对第一红外图像进行行人检测，可以获取到红外图像对应的检测结果。
可选地，根据本发明提供的一种行人检测方法，在所述通过分析所述第一行人轮廓特征和所述第二行人轮廓特征之间的匹配度，获取第三行人检测结果之后，还包括：
在所述第三行人检测结果表示所述行人检测区域存在行人的情况下，从所述行人检测区域的可见光视频帧序列中提取连续的多帧可见光图像，以及从所述行人检测区域的红外视频帧序列中提取连续的多帧红外图像；
基于所述第一行人轮廓特征和所述多帧可见光图像，通过光流场分析，确定第一特征点集在所述多帧可见光图像中各帧图像上的位置；
基于所述第二行人轮廓特征和所述多帧红外图像，通过光流场分析，确定第二特征点集在所述多帧红外图像中各帧图像上的位置；
所述多帧可见光图像的首个帧为所述第一可见光图像，所述多帧红外图像的首个帧为所述第一红外图像，所述第一特征点集为所述第一行人轮廓特征对应的特征点集，所述第二特征点集为所述第二行人轮廓特征对应的特征点集。
具体地，为了实现对行人进行跟踪，可以在获取第三行人检测结果之后，判断行人检测区域是否存在行人，若第三行人检测结果表示行人检测区域存在行人，则可以从行人检测区域的可见光视频帧序列中提取连续的多帧可见光图像，以及从行人检测区域的红外视频帧序列中提取连续的多帧红外图像。
具体地，在提取到多帧可见光图像之后，可以通过光流场分析，确定第一行人轮廓特征对应的特征点集(也即第一特征点集)，在多帧可见光图像中各帧图像上的位置，能够在多帧可见光图像中，对行人进行跟踪。
具体地，在提取到多帧红外图像之后，可以通过光流场分析，确定第二行人轮廓特征对应的特征点集(也即第二特征点集)，在多帧红外图像中各帧图像上的位置，能够在多帧红外图像中，对行人进行跟踪。
可选地，图4是本发明提供的行人检测方法的流程示意图之四，如图4所示，该行人检测方法包括步骤401至步骤407：
步骤401，获取行人检测区域的第一可见光图像和第一红外图像；
步骤402，基于行人检测模型，对第一可见光图像和第一红外图像进行行人检测，获取第一可见光图像对应的第一行人检测结果和第一红外图像对应的第二行人检测结果；
步骤403，在第一行人检测结果表示在第一可见光图像中检测到行人，且第二行人检测结果表示在第一红外图像中检测到行人的情况下，获取第一可见光图像中第一行人轮廓特征和第一红外图像中第二行人轮廓特征；
步骤404，通过分析第一行人轮廓特征和第二行人轮廓特征之间的匹配度，获取第三行人检测结果；
步骤405，在第三行人检测结果表示行人检测区域存在行人的情况下，从行人检测区域的可见光视频帧序列中提取连续的多帧可见光图像，以及从行人检测区域的红外视频帧序列中提取连续的多帧红外图像；
步骤406，基于第一行人轮廓特征和多帧可见光图像，通过光流场分析，确定第一特征点集在多帧可见光图像中各帧图像上的位置；
步骤407，基于第二行人轮廓特征和多帧红外图像，通过光流场分析，确定第二特征点集在多帧红外图像中各帧图像上的位置。
因此，通过提取多帧可见光图像和多帧红外图像，可以基于光流场分析，在多帧可见光图像中对行人进行跟踪，以及在多帧红外图像中对行人进行跟踪。
可选地，根据本发明提供的一种行人检测方法，在所述获取行人检测区域的第一可见光图像和第一红外图像之前，还包括：
获取所述行人检测区域的光照强度；
在所述光照强度小于或等于预设强度阈值的情况下，控制所述行人检测区域的一个或多个补光灯开启。
具体地，可以在获取行人检测区域的第一可见光图像和第一红外图像之前，获取行人检测区域的光照强度，进而可以比较光照强度和预设强度阈值，若光照强度小于或等于预设强度阈值，则表明行人检测区域的光照强度较低，进而可以控制行人检测区域的一个或多个补光灯开启，提高行人检测区域的光照强度。
可选地，在光照强度小于或等于预设强度阈值的情况下，人检测区域的光照强度较低，可以基于行人检测模型对红外图像进行行人检测，获取红外图像对应的行人检测结果，可以将该行人检测结果作为最终的检测结果。
因此，通过监测行人检测区域的光照强度，可以在行人检测区域的光照强度较低的情况下，对行人检测区域进行补光，提高行人检测区域的光照强度，保障行人检测模型对可见光图像的检测效果。
可以理解的是，通过分析第一行人轮廓特征和第二行人轮廓特征之间的匹配度，来确定行人检测结果，可以提高对可见光图像和红外图像中行人的检出率和正确检测率；通过对多帧可见光图像和多帧红外图像进行光流场分析，能够多光谱且高效率地进行行人跟踪；通过监测行人检测区域的光照强度，可以保证行人检测区域具有足够的光照强度，实现全天候行人的自动检测与跟踪。
本发明提供的行人检测方法，通过获取行人检测区域的第一可见光图像和第一红外图像，可以对第一可见光图像和第一红外图像进行行人检测，以获取第一可见光图像对应的第一行人检测结果和第一红外图像对应的第二行人检测结果，进而可以在第一行人检测结果和第二行人检测结果表示检测到行人的情况下，提取并分析第一可见光图像中第一行人轮廓特征和第一红外图像中第二行人轮廓特征，基于第一行人轮廓特征和第二行人轮廓特征之间的匹配度，可以获取最终的第三行人检测结果，结合可见光图像的行人检测结果和红外图像的行人检测结果，能够降低环境因素对检测结果的影响，实现提高行人检测的准确率。
下面对本发明提供的行人检测装置进行描述，下文描述的行人检测装置与上文描述的行人检测方法可相互对应参照。
图5是本发明提供的行人检测装置的结构示意图，如图5所示，所述装置包括第一获取模块501、第二获取模块502、第三获取模块503和第四获取模块504，其中：
第一获取模块501，用于获取行人检测区域的第一可见光图像和第一红外图像；
第二获取模块502，用于基于行人检测模型，对所述第一可见光图像和第一红外图像进行行人检测，获取所述第一可见光图像对应的第一行人检测结果和所述第一红外图像对应的第二行人检测结果；
第三获取模块503，用于在所述第一行人检测结果表示在所述第一可见光图像中检测到行人，且所述第二行人检测结果表示在所述第一红外图像中检测到行人的情况下，获取所述第一可见光图像中第一行人轮廓特征和所述第一红外图像中第二行人轮廓特征；
第四获取模块504，用于通过分析所述第一行人轮廓特征和所述第二行人轮廓特征之间的匹配度，获取第三行人检测结果，所述第三行人检测结果用于表示所述行人检测区域是否存在行人。
本发明提供的行人检测装置，通过获取行人检测区域的第一可见光图像和第一红外图像，可以对第一可见光图像和第一红外图像进行行人检测，以获取第一可见光图像对应的第一行人检测结果和第一红外图像对应的第二行人检测结果，进而可以在第一行人检测结果和第二行人检测结果表示检测到行人的情况下，提取并分析第一可见光图像中第一行人轮廓特征和第一红外图像中第二行人轮廓特征，基于第一行人轮廓特征和第二行人轮廓特征之间的匹配度，可以获取最终的第三行人检测结果，结合可见光图像的行人检测结果和红外图像的行人检测结果，能够降低环境因素对检测结果的影响，实现提高行人检测的准确率。
可选地，所述第四获取模块包括转换单元、获取单元和确定单元，其中：
所述转换单元，用于基于相机标定参数，将所述第一可见光图像和所述第一红外图像转换至同一目标平面内；
所述获取单元，用于在所述目标平面内，比较所述第一行人轮廓特征和所述第二行人轮廓特征，获取匹配度；
所述确定单元，用于基于预设匹配阈值和所述匹配度，确定所述第三行人检测结果。
可选地，所述获取单元具体用于：
在所述目标平面内，基于所述第一行人轮廓特征，确定第一行人区域；以及基于所述第二行人轮廓特征，确定第二行人区域；
通过分析所述第一行人区域和所述第二行人区域之间的重合面积，确定所述匹配度。
可选地，所述确定单元具体用于：
在所述匹配度大于或等于所述预设匹配阈值的情况下，基于所述第一行人区域和所述第一可见光图像，生成带行人标记框的第二可见光图像，以及基于所述第二行人区域和所述第一红外图像，生成带行人标记框的第二红外图像；
基于所述第二可见光图像和所述第二红外图像，确定所述第三行人检测结果。
可选地，所述行人检测模型包括可见光行人检测子模型和红外行人检测子模型；
所述第二获取模块具体用于：
基于所述可见光行人检测子模型和所述第一可见光图像，获取所述第一行人检测结果；
基于所述红外行人检测子模型和所述第一红外图像，获取所述第二行人检测结果；
所述可见光行人检测子模型是基于第一数据集对已预训练的图像分割模型进行训练所获取的，所述第一数据集包括多个可见光图像样本和各可见光图像样本对应的行人标注信息；
所述红外行人检测子模型是基于第二数据集对已预训练的图像分割模型进行训练所获取的，所述第二数据集包括多个红外图像样本和各红外图像样本对应的行人标注信息。
可选地，所述装置还包括确定模块，在所述通过分析所述第一行人轮廓特征和所述第二行人轮廓特征之间的匹配度，获取第三行人检测结果之后，所述确定模块用于：
在所述第三行人检测结果表示所述行人检测区域存在行人的情况下，从所述行人检测区域的可见光视频帧序列中提取连续的多帧可见光图像，以及从所述行人检测区域的红外视频帧序列中提取连续的多帧红外图像；
基于所述第一行人轮廓特征和所述多帧可见光图像，通过光流场分析，确定第一特征点集在所述多帧可见光图像中各帧图像上的位置；
基于所述第二行人轮廓特征和所述多帧红外图像，通过光流场分析，确定第二特征点集在所述多帧红外图像中各帧图像上的位置；
所述多帧可见光图像的首个帧为所述第一可见光图像，所述多帧红外图像的首个帧为所述第一红外图像，所述第一特征点集为所述第一行人轮廓特征对应的特征点集，所述第二特征点集为所述第二行人轮廓特征对应的特征点集。
可选地，所述装置还包括控制模块，在所述获取行人检测区域的第一可见光图像和第一红外图像之前，所述控制模块用于：
获取所述行人检测区域的光照强度；
在所述光照强度小于或等于预设强度阈值的情况下，控制所述行人检测区域的一个或多个补光灯开启。
本发明提供的行人检测装置，通过获取行人检测区域的第一可见光图像和第一红外图像，可以对第一可见光图像和第一红外图像进行行人检测，以获取第一可见光图像对应的第一行人检测结果和第一红外图像对应的第二行人检测结果，进而可以在第一行人检测结果和第二行人检测结果表示检测到行人的情况下，提取并分析第一可见光图像中第一行人轮廓特征和第一红外图像中第二行人轮廓特征，基于第一行人轮廓特征和第二行人轮廓特征之间的匹配度，可以获取最终的第三行人检测结果，结合可见光图像的行人检测结果和红外图像的行人检测结果，能够降低环境因素对检测结果的影响，实现提高行人检测的准确率。
图6是本发明提供的电子设备的结构示意图，如图6所示，该电子设备可以包括：处理器(processor)610、通信接口(Communications Interface)620、存储器(memory)630和通信总线640，其中，处理器610，通信接口620，存储器630通过通信总线640完成相互间的通信。处理器610可以调用存储器630中的逻辑指令，以执行行人检测方法，该方法包括：
获取行人检测区域的第一可见光图像和第一红外图像；
基于行人检测模型，对所述第一可见光图像和第一红外图像进行行人检测，获取所述第一可见光图像对应的第一行人检测结果和所述第一红外图像对应的第二行人检测结果；
在所述第一行人检测结果表示在所述第一可见光图像中检测到行人，且所述第二行人检测结果表示在所述第一红外图像中检测到行人的情况下，获取所述第一可见光图像中第一行人轮廓特征和所述第一红外图像中第二行人轮廓特征；
通过分析所述第一行人轮廓特征和所述第二行人轮廓特征之间的匹配度，获取第三行人检测结果，所述第三行人检测结果用于表示所述行人检测区域是否存在行人。
此外，上述的存储器630中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各方法所提供的行人检测方法，该方法包括：
获取行人检测区域的第一可见光图像和第一红外图像；
基于行人检测模型，对所述第一可见光图像和第一红外图像进行行人检测，获取所述第一可见光图像对应的第一行人检测结果和所述第一红外图像对应的第二行人检测结果；
在所述第一行人检测结果表示在所述第一可见光图像中检测到行人，且所述第二行人检测结果表示在所述第一红外图像中检测到行人的情况下，获取所述第一可见光图像中第一行人轮廓特征和所述第一红外图像中第二行人轮廓特征；
通过分析所述第一行人轮廓特征和所述第二行人轮廓特征之间的匹配度，获取第三行人检测结果，所述第三行人检测结果用于表示所述行人检测区域是否存在行人。
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的行人检测方法，该方法包括：
获取行人检测区域的第一可见光图像和第一红外图像；
基于行人检测模型，对所述第一可见光图像和第一红外图像进行行人检测，获取所述第一可见光图像对应的第一行人检测结果和所述第一红外图像对应的第二行人检测结果；
在所述第一行人检测结果表示在所述第一可见光图像中检测到行人，且所述第二行人检测结果表示在所述第一红外图像中检测到行人的情况下，获取所述第一可见光图像中第一行人轮廓特征和所述第一红外图像中第二行人轮廓特征；
通过分析所述第一行人轮廓特征和所述第二行人轮廓特征之间的匹配度，获取第三行人检测结果，所述第三行人检测结果用于表示所述行人检测区域是否存在行人。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种行人检测方法，其特征在于，包括：
获取行人检测区域的第一可见光图像和第一红外图像；
基于行人检测模型，对所述第一可见光图像和第一红外图像进行行人检测，获取所述第一可见光图像对应的第一行人检测结果和所述第一红外图像对应的第二行人检测结果；
在所述第一行人检测结果表示在所述第一可见光图像中检测到行人，且所述第二行人检测结果表示在所述第一红外图像中检测到行人的情况下，获取所述第一可见光图像中第一行人轮廓特征和所述第一红外图像中第二行人轮廓特征；
通过分析所述第一行人轮廓特征和所述第二行人轮廓特征之间的匹配度，获取第三行人检测结果，所述第三行人检测结果用于表示所述行人检测区域是否存在行人。
2.根据权利要求1所述行人检测方法，其特征在于，所述通过分析所述第一行人轮廓特征和所述第二行人轮廓特征之间的匹配度，获取第三行人检测结果，包括：
基于相机标定参数，将所述第一可见光图像和所述第一红外图像转换至同一目标平面内；
在所述目标平面内，比较所述第一行人轮廓特征和所述第二行人轮廓特征，获取匹配度；
基于预设匹配阈值和所述匹配度，确定所述第三行人检测结果。
3.根据权利要求2所述行人检测方法，其特征在于，所述在所述目标平面内，比较所述第一行人轮廓特征和所述第二行人轮廓特征，获取匹配度，包括：
在所述目标平面内，基于所述第一行人轮廓特征，确定第一行人区域；以及基于所述第二行人轮廓特征，确定第二行人区域；
通过分析所述第一行人区域和所述第二行人区域之间的重合面积，确定所述匹配度。
4.根据权利要求3所述行人检测方法，其特征在于，所述基于预设匹配阈值和所述匹配度，确定所述第三行人检测结果，包括：
在所述匹配度大于或等于所述预设匹配阈值的情况下，基于所述第一行人区域和所述第一可见光图像，生成带行人标记框的第二可见光图像，以及基于所述第二行人区域和所述第一红外图像，生成带行人标记框的第二红外图像；
基于所述第二可见光图像和所述第二红外图像，确定所述第三行人检测结果。
5.根据权利要求1所述行人检测方法，其特征在于，所述行人检测模型包括可见光行人检测子模型和红外行人检测子模型；
所述基于行人检测模型，对所述第一可见光图像和第一红外图像进行行人检测，获取所述第一可见光图像对应的第一行人检测结果和所述第一红外图像对应的第二行人检测结果，包括：
基于所述可见光行人检测子模型和所述第一可见光图像，获取所述第一行人检测结果；
基于所述红外行人检测子模型和所述第一红外图像，获取所述第二行人检测结果；
所述可见光行人检测子模型是基于第一数据集对已预训练的图像分割模型进行训练所获取的，所述第一数据集包括多个可见光图像样本和各可见光图像样本对应的行人标注信息；
所述红外行人检测子模型是基于第二数据集对已预训练的图像分割模型进行训练所获取的，所述第二数据集包括多个红外图像样本和各红外图像样本对应的行人标注信息。
6.根据权利要求1所述行人检测方法，其特征在于，在所述通过分析所述第一行人轮廓特征和所述第二行人轮廓特征之间的匹配度，获取第三行人检测结果之后，还包括：
在所述第三行人检测结果表示所述行人检测区域存在行人的情况下，从所述行人检测区域的可见光视频帧序列中提取连续的多帧可见光图像，以及从所述行人检测区域的红外视频帧序列中提取连续的多帧红外图像；
基于所述第一行人轮廓特征和所述多帧可见光图像，通过光流场分析，确定第一特征点集在所述多帧可见光图像中各帧图像上的位置；
基于所述第二行人轮廓特征和所述多帧红外图像，通过光流场分析，确定第二特征点集在所述多帧红外图像中各帧图像上的位置；
所述多帧可见光图像的首个帧为所述第一可见光图像，所述多帧红外图像的首个帧为所述第一红外图像，所述第一特征点集为所述第一行人轮廓特征对应的特征点集，所述第二特征点集为所述第二行人轮廓特征对应的特征点集。
7.根据权利要求1-6任一项所述行人检测方法，其特征在于，在所述获取行人检测区域的第一可见光图像和第一红外图像之前，还包括：
获取所述行人检测区域的光照强度；
在所述光照强度小于或等于预设强度阈值的情况下，控制所述行人检测区域的一个或多个补光灯开启。
8.一种行人检测装置，其特征在于，包括：
第一获取模块，用于获取行人检测区域的第一可见光图像和第一红外图像；
第二获取模块，用于基于行人检测模型，对所述第一可见光图像和第一红外图像进行行人检测，获取所述第一可见光图像对应的第一行人检测结果和所述第一红外图像对应的第二行人检测结果；
第三获取模块，用于在所述第一行人检测结果表示在所述第一可见光图像中检测到行人，且所述第二行人检测结果表示在所述第一红外图像中检测到行人的情况下，获取所述第一可见光图像中第一行人轮廓特征和所述第一红外图像中第二行人轮廓特征；
第四获取模块，用于通过分析所述第一行人轮廓特征和所述第二行人轮廓特征之间的匹配度，获取第三行人检测结果，所述第三行人检测结果用于表示所述行人检测区域是否存在行人。
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述行人检测方法。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述行人检测方法。
CN202310251456.4A 2023-03-15 2023-03-15 行人检测方法、装置、电子设备及存储介质 Pending CN116453156A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310251456.4A CN116453156A (zh) 2023-03-15 2023-03-15 行人检测方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310251456.4A CN116453156A (zh) 2023-03-15 2023-03-15 行人检测方法、装置、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN116453156A true CN116453156A (zh) 2023-07-18

Family

ID=87122875

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310251456.4A Pending CN116453156A (zh) 2023-03-15 2023-03-15 行人检测方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN116453156A (zh)

Similar Documents

Publication Publication Date Title
WO2021047232A1 (zh) 交互行为识别方法、装置、计算机设备和存储介质
CN109145759B (zh) 车辆属性识别方法、装置、服务器及存储介质
KR101640998B1 (ko) 화상 처리 장치 및 화상 처리 방법
CN110070029B (zh) 一种步态识别方法及装置
US20120093362A1 (en) Device and method for detecting specific object in sequence of images and video camera device
CN111881853B (zh) 一种超大桥隧中异常行为识别方法和装置
CN112734731B (zh) 一种牲畜温度检测方法、装置、设备和存储介质
CN111160275B (zh) 行人重识别模型训练方法、装置、计算机设备和存储介质
CN111178252A (zh) 多特征融合的身份识别方法
US20220366570A1 (en) Object tracking device and object tracking method
Naufal et al. Preprocessed mask RCNN for parking space detection in smart parking systems
CN110599514B (zh) 图像分割的方法、装置、电子设备及存储介质
CN110175553B (zh) 基于步态识别与人脸识别建立特征库的方法及装置
CN112906464A (zh) 行人检测识别方法、装置、设备及存储介质
US20220076005A1 (en) Person authentication apparatus, control method, and non-transitory storage medium
CN110969173B (zh) 目标分类方法及装置
CN107145820B (zh) 基于hog特征和fast算法的双眼定位方法
CN106803937B (zh) 一种具有文本日志的双摄像头视频监控方法、系统和监控装置
CN111695404B (zh) 行人跌倒检测方法、装置、电子设备及存储介质
KR20120049605A (ko) 동공 중심 검출 장치 및 방법
CN111402185B (zh) 一种图像检测方法及装置
CN111582278B (zh) 人像分割方法、装置及电子设备
CN110751163B (zh) 目标定位方法及其装置、计算机可读存储介质和电子设备
CN116453156A (zh) 行人检测方法、装置、电子设备及存储介质
CN113627255B (zh) 一种小鼠行为量化分析方法、装置、设备及可读存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination