一种头部特征提取方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术提供一种头部特征提取方法、装置、电子设备及存储介质，其中，方法包括如下步骤：获取待检测图像；将所述待检测图像输入至预先训练好的人体检测神经网络模型，得到所述待检测图像中的人体检测框；将所述人体检测框输入至预先训练好的头部特征检测分类模型，得到所述人体检测框的人体头部特征。通过实施本发明专利技术，先获取待检测图像的人体检测框，在对人体检测框内的头部特征进行检测，由于对于同一行人，人体比头部在待检测图像中的像素占屏比更大，因此，更不容易漏检，从而提高了头部特征检测的准确率。

【技术实现步骤摘要】
一种头部特征提取方法、装置、电子设备及存储介质
本专利技术涉及神经网络领域，具体涉及一种头部特征提取方法、装置、电子设备及存储介质。
技术介绍
随着深度学习技术的发展，计算机视觉技术在社会生产生活中的应用越来越广泛，从可以识别手势的游戏机到警方依据道路监控对罪犯的智能追踪，计算机逐渐拥有了肉眼的“看见，认识，分析，反馈”的功能。在各个城市中，都安装有数量可观的道路监控摄像头，其具备记录道路情况，规范道路行为，追溯事件发生过程，或者防患未然等功能。如何应用计算机视觉的技术自动挖掘视频中的有效信息一直是智慧城市发展的重要课题。目标检测算法在道路监控中一直发挥着主要的作用，其可以通过深度学习模型自动推演出视频中需要关注的物体的位置信息。相关技术中，一般是直接提取人体头部特征进行特征识别，但实际上在街景场景下的视频监控录像中，摄像头一般深处高位，用以拍摄人群或车群的整体状况，由于单个行人头部像素占屏比很小，可能导致头部漏检，从而使得头部特征检测准确率低。
技术实现思路
有鉴于此，本专利技术实施例提供了一种头部特征提取方法、装置、电子设备及存储介质，以解决现有技术中头部漏检，从而使得头部特征检测准确率低的缺陷。根据第一方面，本专利技术实施例提供一种头部特征提取方法，包括如下步骤：获取待检测图像；将所述待检测图像输入至预先训练好的人体检测神经网络模型，得到所述待检测图像中的人体检测框；将所述人体检测框输入至预先训练好的头部特征检测分类模型，得到所述人体检测框的人体头部特征。可选地，所述人体检测神经网络模型为YOLOv3神经网络模型，所述头部特征检测分类模型为MobileNet分类网络。可选地，所述人体检测神经网络模型的训练过程包括：获取第一训练样本，所述第一训练样本包括不同地域、不同时段、不同光照条件的场景图像以及所述场景图像中的人体预标注信息；获取根据目标数据集训练好的第一预训练神经网络模型；根据所述第一训练样本对所述第一预训练神经网络模型进行迁移学习，得到人体检测神经网络模型。可选地，所述头部特征检测分类模型的训练过程包括：获取第二训练样本，所述第二训练样本包括多分类样本标签，所述多分类样本标签根据目标函数库中的多标签二值化函数得到；将所述第二训练样本输入至第二预训练神经网络模型；当所述第二预训练神经网络模型满足预定条件，则得到头部特征检测分类模型。可选地，所述方法还包括：当第二训练样本输入至第二预训练神经网络模型出现特征提取错误，则将发生特征提取错误的第二训练样本重复输入至第二预训练神经网络模型，进行目标次数的迭代训练。可选地，获取第二训练样本包括：获取待训练图像；将所述待训练图像输入至预先训练好的人体检测YOLOV3模型，得到所述待训练图像中的人体检测框；将所述人体检测框输入至预先训练好的特征分类YOLOV3模型，得到所述人体检测框对应的标签，根据所述人体检测框以及对应的标签构建得到所述第二训练样本。可选地，将所述待检测图像输入至预先训练好的人体检测神经网络模型，包括：将所述待检测图像尺寸调整至第一目标尺寸，将第一目标尺寸的待检测图像输入至预先训练好的人体检测神经网络模型；和/或将所述人体检测框输入至预先训练好的头部特征检测分类模型，包括：将所述人体检测框尺寸调整至第二目标尺寸，将第二目标尺寸的人体检测框输入至预先训练好的头部特征检测分类模型。根据第二方面，本专利技术实施例提供一种头部特征提取装置，包括：待检测图像获取模块，用于获取待检测图像；人体检测模块，用于将所述待检测图像输入至预先训练好的人体检测神经网络模型，得到所述待检测图像中的人体检测框；头部特征检测模块，用于将所述人体检测框输入至预先训练好的头部特征检测分类模型，得到所述人体检测框的人体头部特征。根据第三方面，本专利技术实施例提供一种电子设备，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第一方面或第一方面任一实施方式所述的头部特征提取方法的步骤。根据第四方面，本专利技术实施例提供一种存储介质，其上存储有计算机指令，该指令被处理器执行时实现第一方面或第一方面任一实施方式所述的头部特征提取方法的步骤。本专利技术技术方案，具有如下优点：本专利技术实施例提供的头部特征提取方法/装置，先获取待检测图像的人体检测框，在对人体检测框内的头部特征进行检测，由于对于同一行人，人体比头部在待检测图像中的像素占屏比更大，因此，更不容易漏检，从而提高了头部特征检测的准确率。附图说明为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施方式，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为本专利技术实施例中头部特征提取方法的一个具体示例的流程图；图2为本专利技术实施例中头部特征提取装置的一个具体示例原理框图；图3为本专利技术实施例中电子设备的一个具体示例的原理框图。具体实施方式下面将结合附图对本专利技术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专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。在本专利技术的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本专利技术的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。在本专利技术的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，还可以是两个元件内部的连通，可以是无线连接，也可以是有线连接。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本专利技术中的具体含义。此外，下面所描述的本专利技术不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。本实施例提供一种头部特征提取方法，如图1所示，包括如下步骤：S101，获取待检测图像；示例性地，待检测图像可以是包含行人或者非机动车驾驶员的街景图像，也可以是特定环境下包含人体的图像。待检测图像的获取方式可以是通过设置在街道边的摄像头拍照或者视频抽帧获取，本实施例对待检测图像以及获取待检测图像的方式不做限定，本领域技术人员可以根据需要确定。S102，将待检测图像输入至预先训练好的人体检测神经网络模型，得到待检测图像中的人体检测框；示例性地，预先训练好的人体检测本文档来自技高网...

【技术保护点】
1.一种头部特征提取方法，其特征在于，包括如下步骤：/n获取待检测图像；/n将所述待检测图像输入至预先训练好的人体检测神经网络模型，得到所述待检测图像中的人体检测框；/n将所述人体检测框输入至预先训练好的头部特征检测分类模型，得到所述人体检测框的人体头部特征。/n

【技术特征摘要】
1.一种头部特征提取方法，其特征在于，包括如下步骤：
获取待检测图像；
将所述待检测图像输入至预先训练好的人体检测神经网络模型，得到所述待检测图像中的人体检测框；
将所述人体检测框输入至预先训练好的头部特征检测分类模型，得到所述人体检测框的人体头部特征。


2.根据权利要求1所述的方法，其特征在于，所述人体检测神经网络模型为YOLOv3神经网络模型，所述头部特征检测分类模型为MobileNet分类网络。


3.根据权利要求1所述的方法，其特征在于，所述人体检测神经网络模型的训练过程包括：
获取第一训练样本，所述第一训练样本包括不同地域、不同时段、不同光照条件的场景图像以及所述场景图像中的人体预标注信息；
获取根据目标数据集训练好的第一预训练神经网络模型；
根据所述第一训练样本对所述第一预训练神经网络模型进行迁移学习，得到人体检测神经网络模型。


4.根据权利要求1所述的方法，其特征在于，所述头部特征检测分类模型的训练过程包括：
获取第二训练样本，所述第二训练样本包括多分类样本标签，所述多分类样本标签根据目标函数库中的多标签二值化函数得到；
将所述第二训练样本输入至第二预训练神经网络模型；
当所述第二预训练神经网络模型满足预定条件，则得到头部特征检测分类模型。


5.根据权利要求4所述的方法，其特征在于，还包括：
当第二训练样本输入至第二预训练神经网络模型出现特征提取错误，则将发生特征提取错误的第二训练样本重复输入至第二预训练神经网络模型，进行目标次数的迭代训练。


6.根...

【专利技术属性】
技术研发人员：杨建权，赵阳，朱涛，张天麒，李高杨，
申请(专利权)人：北京易华录信息技术股份有限公司，中国华录集团有限公司，
类型：发明
国别省市：北京;11