【技术实现步骤摘要】
本申请涉及智能识别，更具体而言，涉及一种人像检测模型的训练方法、人像检测方法、人像检测模型的训练装置、电子设备及非易失性计算机可读存储介质。
技术介绍
1、随着人工智能的发展，人像检测在各领域广泛应用。早期的人像检测需要借助人力辅助识别，效率较低。目前的人像检测可以采用深度学习方法建立人像检测模型，利用人像检测模型实现自动识别，具有更高的检测效率。
2、然而，在鱼眼图像中的人像存在一定的畸变，目前采用深度学习方法的人像识别大多基于平面图像训练，难以准确检测鱼眼图像中的人像。
技术实现思路
1、本申请实施方式提供一种人像检测模型的训练方法、人像检测方法、人像检测模型的训练装置、电子设备及非易失性计算机可读存储介质。
2、本申请实施方式的人像检测模型的训练方法包括：获取至少一张第一图像和至少一张第二图像，所述第一图像是包含人像的平面图像，所述第二图像是包含人像的鱼眼图像；根据所述第一图像和所述第二图像获取融合鱼眼图像，所述融合鱼眼图像包含所述第一图像和所述第二图像中的人像；及利用所述融合鱼眼图像训练人像检测模型。
3、本申请实施方式的人像检测模型的训练装置包括：获取模块、融合模块及训练模块。所述获取模块用于获取至少一张第一图像和至少一张第二图像，所述第一图像是包含人像的平面图像，所述第二图像是包含人像的鱼眼图像。所述融合模块用于根据所述第一图像和所述第二图像获取融合鱼眼图像，所述融合鱼眼图像包含所述第一图像和所述第二图像中的人像。所述训练模块用于利用
4、本申请实施方式的人像检测方法包括：利用本申请任意一项实施方式所述的人像检测模型的训练方法训练人像检测模型，使用训练好的所述人像检测模型进行人像检测。
5、本申请实施方式的电子设备包括存储器及处理器。所述存储器用于存储计算机程序；所述处理器用于执行所述存储器中存储的计算机程序，以实现上述人像检测模型的训练方法，和/或实现上述人像检测方法。
6、本申请实施方式的非易失性计算机可读存储介质包含计算机程序，当所述计算机程序被一个或多个处理器执行时，使得一个或多个所述处理器实现上述人像检测模型的训练方法，和/或实现上述人像检测方法。
7、本申请实施方式的人像检测模型的训练方法利用根据第一图像和第二图像获取的融合鱼眼图像训练人像检测模型，由于融合鱼眼图像比常规的鱼眼图像中含有数量更丰富的人像，能够丰富人像检测的训练样本，使训练的人像检测模型具有较好的鲁棒性，能够一定程度减轻人像检测模型的过拟合问题，提高人像检测模型的人像检测准确度。
8、本申请的实施方式的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实施方式的实践了解到。
本文档来自技高网...【技术保护点】
1.一种人像检测模型的训练方法，其特征在于，包括：
2.根据权利要求1所述的人像检测模型的训练方法，其特征在于，所述根据所述第一图像和所述第二图像获取融合鱼眼图像，包括：
3.根据权利要求2所述的人像检测模型的训练方法，其特征在于，所述将所述第一图像映射至所述环形区域以获取环形图像，包括：
4.根据权利要求3所述的人像检测模型的训练方法，其特征在于，所述坐标映射算式包括：
5.根据权利要求3所述的人像检测模型的训练方法，其特征在于，所述根据坐标映射算式对所述第二平面图像的像素进行坐标转换以获取所述环形图像，包括：
6.根据权利要求2所述的人像检测模型的训练方法，其特征在于，所述将所述第二图像映射至所述圆形区域以获取圆形图像，包括：
7.根据权利要求2所述的人像检测模型的训练方法，其特征在于，所述圆形区域的直径与所述环形区域的外环直径的比值的范围为[0.50，0.75]。
8.根据权利要求1所述的人像检测模型的训练方法，其特征在于，所述人像检测模型包括预先构建的人像检测网络，所述利用所述融合鱼眼图像
9.根据权利要求8所述的人像检测模型的训练方法，其特征在于，所述人像检测网络包括关注层、深度可分离卷积层、一阶卷积层、全局最大池化层及全连接层，所述将所述融合鱼眼图像输入所述人像检测网络以获取训练特征图，包括：
10.根据权利要求8所述的人像检测模型的训练方法，其特征在于，所述人像检测模型的训练方法，还包括：测试训练好的所述人像检测模型，所述测试训练好的所述人像检测模型包括：
11.一种人像检测方法，其特征在于，利用权利要求1至10中任一项中所述的人像检测模型的训练方法训练人像检测模型，使用训练好的所述人像检测模型进行人像检测。
12.根据权利要求11所述的人像检测方法，其特征在于，所述使用训练好的所述人像检测模型进行人像检测，包括：
13.一种人像检测模型的训练装置，其特征在于，包括：
14.一种电子设备，其特征在于，包括：
15.一种包含计算机程序的非易失性计算机可读存储介质，当所述计算机程序被一个或多个处理器执行时，实现如权利要求1至10中任一项所述的人像检测模型的训练方法的步骤，或实现如权利要求11至12中任一项所述的人像检测方法的步骤。
...【技术特征摘要】
1.一种人像检测模型的训练方法，其特征在于，包括：
2.根据权利要求1所述的人像检测模型的训练方法，其特征在于，所述根据所述第一图像和所述第二图像获取融合鱼眼图像，包括：
3.根据权利要求2所述的人像检测模型的训练方法，其特征在于，所述将所述第一图像映射至所述环形区域以获取环形图像，包括：
4.根据权利要求3所述的人像检测模型的训练方法，其特征在于，所述坐标映射算式包括：
5.根据权利要求3所述的人像检测模型的训练方法，其特征在于，所述根据坐标映射算式对所述第二平面图像的像素进行坐标转换以获取所述环形图像，包括：
6.根据权利要求2所述的人像检测模型的训练方法，其特征在于，所述将所述第二图像映射至所述圆形区域以获取圆形图像，包括：
7.根据权利要求2所述的人像检测模型的训练方法，其特征在于，所述圆形区域的直径与所述环形区域的外环直径的比值的范围为[0.50，0.75]。
8.根据权利要求1所述的人像检测模型的训练方法，其特征在于，所述人像检测模型包括预先构建的人像检测网络，所述利用所述融合鱼眼图像训练人像检测模型，包括：
...
【专利技术属性】
技术研发人员：甘豪，陈庆接，柴彦冲，
申请(专利权)人：深圳市睿联技术股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。