(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111677878.5 (22)申请日 2021.12.31 (71)申请人 歌尔科技有限公司 地址 266104 山东省青岛市崂山区北宅街 道投资服 务中心308室 (72)发明人 邹宽中　 (74)专利代理 机构 深圳市世纪恒程知识产权代 理事务所 4 4287 代理人 李幸芳 (51)Int.Cl. G06V 40/10(2022.01) G06V 10/80(2022.01) G06V 10/764(2022.01) G06V 10/77(2022.01) G06K 9/62(2022.01) (54)发明名称 行人检测方法、 装置、 电子设备及计算机可 读存储介质 (57)摘要 本申请公开了行人检测方法、 装置、 电子设 备及计算机可读存储介质， 应用于图像处理技术 领域， 所述行人检测方法包括： 获取待检测目标 对应的待检测图像， 提取待检测图像对应的 Gabor特征和HOG特征； 分别对Gabor特征和HOG特 征进行降维， 得到降维Gabor特征和降维HOG特 征； 将降维Gabor特征和降维HOG特征进行融合， 得到融合特征； 将融合特征降维至预设第一特征 维度， 得到降维融合特征， 其中， 预设第一特征维 度用于兼顾行人检测的检测准确度以及检测效 率； 依据降维融合特征， 对待检测目标进行行人 检测， 得到行人检测结果。 本申请解决了现有技 术中行人检测时对检测准确度和检测效率的兼 顾程度差的技 术问题。 权利要求书3页 说明书14页 附图3页 CN 114387619 A 2022.04.22 CN 114387619 A 1.一种行 人检测方法， 其特 征在于， 所述行 人检测方法包括： 获取待检测目标对应的待检测图像， 提取所述待检测图像对应的Gabor特征和对应的 HOG特征； 分别对所述Gabor特 征和所述HO G特征进行降维， 得到降维Gabor特 征和降维HO G特征； 将所述降维Gabor特 征和所述降维HO G特征进行融合， 得到融合特 征； 将所述融合特征降维至预设第 一特征维度， 得到降维融合特征， 其中， 所述预设第一特 征维度用于兼顾对所述待检测目标进行 行人检测的检测准确度以及检测效率； 依据所述降维融合特 征， 对所述待检测目标进行 行人检测， 得到行 人检测结果。 2.如权利 要求1所述行人检测方法， 其特征在于， 所述分别 对所述Gabor特征和所述HOG 特征进行降维， 得到降维Gabor特 征和降维HO G特征的步骤， 包括： 将所述Gabor特征降维至预设第二特征维度， 得到所述降维Gabor特征， 以及将所述HOG 特征降维至预设第三特征维度， 得到所述降维HOG特征， 其中， 所述预设第二特征维度和所 述预设第三特征维度共同用于保持所述降维Gabor特征和所述降维HOG特征之间进行特征 融合时对应的特征融合效率， 以及 共同用于保持所述预设第二特征维度对应构建的图像分 类器的第一分类准确度。 3.如权利要求2所述行人检测方法， 其特征在于， 在所述将所述Gabor特征降维至预设 第二特征维度， 得到所述降维Gabor特征， 以及将所述HOG特征降维至预设第三特征维度， 得 到所述降维HO G特征的步骤之前， 所述行 人检测方法包括： 获取训练Gabor特 征和训练HO G特征； 将所述训练Gabor特征分别降维至各预设第一训练特征维度， 得到各训练降维Gabor特 征， 以及将所述训练HOG特征分别降维至各预设第二训练特征维度， 得到各训练降维HOG特 征； 将各所述训练降维Gabor特征和各所述训练降维HOG特征进行两两融合， 得到各训练融 合特征； 依据各所述训练融合特 征， 分别训练各 所述训练融合特 征对应的图像分类 器； 依据各所述图像分类器对应的第一分类准确度以及各所述训练融合特征对应的特征 融合效率， 在各所述预设第一训练特征维度中选取所述预设第二特征维度以及在各所述预 设第二训练特 征维度中选取 预设第三特 征维度。 4.如权利要求3所述行人检测方法， 其特征在于， 所述依据 各所述图像分类器对应的第 一分类准确度以及各所述训练融合特征对应的特征融合效率， 在各所述预设第一训练特征 维度中选取所述预设第二特征维度以及在各所述预设第二训练特征维度中选取预设第三 特征维度的步骤， 包括： 获取各所述图像分类 器对应的第一验证融合特 征； 分别将各所述第 一验证融合特征降维至所述预设第 一特征维度， 得到各所述第 一验证 融合特征对应的验证降维融合特 征； 通过将各所述验证降维融合特征输入对应的图像分类器中进行分类， 评估各所述图像 分类器对应的第一分类准确度； 获取各所述第 一验证融合特征对应的特征融合消耗 时长， 以评估各所述第 一验证融合 特征对应的融合特 征融合效率；权　利　要　求　书 1/3 页 2 CN 114387619 A 2依据各所述特征融合效率以及各所述第 一分类准确度， 在各所述预设第 一训练特征维 度中选取所述预设第二特征维度以及在各所述预设第二训练特征维度中选取预设第三特 征维度。 5.如权利要求4所述行人检测方法， 其特征在于， 所述特征融合效率包括效率评分， 所 述第一分类准确度包括第一 准确度评分； 所述依据 各所述特征融合效率以及各所述第 一分类准确度， 在各所述预设第 一训练特 征维度中选取所述预设第二特征维度以及在各所述预设第二训练特征维度中选取预设第 三特征维度的步骤， 包括： 对所述效率评分和所述第 一准确度评分进行加权求和， 得到各所述图像分类器对应的 第一综合评分； 依据各所述第 一综合评分， 在各所述预设第 一训练特征维度中选取所述预设第 二特征 维度以及 在各所述预设第二训练特 征维度中选取 预设第三特 征维度。 6.如权利要求1所述行人检测方法， 其特征在于， 在所述将所述融合特征降维至预设第 一特征维度， 得到降维融合特 征的步骤之前， 所述行 人检测方法还 包括： 获取具备不同融合特征维度的第二验证融合特征以及各所述融合特征维度对应的待 验证图像分类 器； 通过将各所述第 二验证融合特征分别输入对应的待验证图像分类器进行分类， 计算各 所述待验证图像分类 器对应的第二分类准确度和对应的分类 计算消耗时长； 依据所述第 二分类准确度和所述分类计算消耗 时长， 在各所述融合特征维度中选取所 述预设第一特 征维度。 7.如权利要求6所述行人检测方法， 其特征在于， 所述第 二分类准确度包括第 二准确度 评分； 所述依据 所述第二分类准确度和所述分类计算消耗 时长， 在各所述融合特征维度中选 取所述预设第一特 征维度的步骤， 包括： 依据各所述第 二准确度评分和各所述分类计算消耗 时长， 确定各所述融合特征维度对 应的第二综合评分； 选取所述第二综合评分最高的待选取图像分类器对应的融合特征维度作为所述预设 第一特征维度。 8.一种行 人检测装置， 其特 征在于， 所述行 人检测装置包括： 特征提取模块， 用于获取待检测目标对应的待检测图像， 提取所述待检测图像对应的 Gabor特征和对应的HO G特征； 第一特征降维模块， 用于分别对所述Gabor特征和所述HOG特征进行降维， 得到降维 Gabor特征和降维HO G特征； 特征融合模块， 用于将所述降维Gabor特征和所述降维HOG特征进行融合， 得到融合特 征； 第二特征降维模块， 用于将所述融合特征降维至预设第一特征维度， 得到降维融合特 征， 其中， 所述预设第一特征维度用于兼顾对所述待检测目标进行行人检测的检测 准确度 以及检测效率； 行人检测模块， 用于依据 所述降维融合特征， 对所述待检测目标进行行人检测， 得到行权　利　要　求　书 2/3 页 3 CN 114387619 A 3