(19)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 202210446453.1 (22)申请日 2022.04.26 (71)申请人 济南博观智能科技有限公司 地址 250001 山东省济南市高新区新 泺大 街1166号奥盛大厦3号楼17楼 (72)发明人 路通　 (74)专利代理 机构 北京集佳知识产权代理有限 公司 11227 专利代理师 张艺 (51)Int.Cl. G06V 20/40(2022.01) G06V 20/54(2022.01) G06V 20/59(2022.01) G06V 40/10(2022.01) G06V 10/80(2022.01)G06V 10/40(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种非机动车载人识别方法、 装置及相关设 备 (57)摘要 本申请公开了一种非机动车载人识别方法， 包括对目标视频帧进行目标检测， 获得非机动车 目标； 对所述非机动车目标进行区域划分， 获得 人体区域和车辆区域； 对所述人体区域进行多卷 积特征提取， 获得第一特征图； 对所述车辆区域 进行池化下采样处理， 获得第二特征图； 对所述 第一特征图和所述第二特征图进行拼接， 获得 综 合特征图； 根据所述综合特征图中的特征信息确 定所述非机动车目标是否载人。 应用本申请所提 供的技术方案， 可 以对非机动车进行载人识别， 进而有效保证交通安全。 本申请还公开了一种非 机动车载人识别装置、 设备及计算机可读存储介 质， 均具有上述有益效果。 权利要求书2页 说明书11页 附图2页 CN 114821419 A 2022.07.29 CN 114821419 A 1.一种非机动车 载人识别方法， 其特 征在于， 包括： 对目标视频帧进行目标检测， 获得非机动车目标； 对所述非机动车目标进行区域划分， 获得 人体区域和车辆区域； 对所述人体区域进行多卷积特 征提取， 获得第一特 征图； 对所述车辆区域进行池化下采样处 理， 获得第二特 征图； 对所述第一特 征图和所述第二特 征图进行拼接， 获得综合特 征图； 根据所述综合特 征图中的特 征信息确定所述非机动车目标 是否载人。 2.根据权利要求1所述的非机动车载人识别方法， 其特征在于， 所述对目标视频帧进行 目标检测， 获得非机动车目标， 包括： 利用目标检测模型对所述目标视频帧进行目标检测， 获得 所述非机动车目标。 3.根据权利要求2所述的非机动车载人识别方法， 其特征在于， 所述目标检测模型的训 练过程包括： 获取模型训练样本， 所述模型训练样本包括真实目标样本和相似目标样本； 将所述相似目标样本输入至特征区域归零模型进行处理， 获得处理后的相似目标样 本； 利用所述真实 目标样本和所述处理后的相似目标样本进行模型训练， 获得目标检测模 型。 4.根据权利要求3所述的非机动车载人识别方法， 其特征在于， 所述利用所述真实 目标 样本和所述处 理后的相似目标样本进行模型训练， 获得目标检测模型， 包括： 统计所述真实目标样本的第一样本数量、 所述处理后的相似目标样本的第二样本数 量、 训练样本总数量； 根据所述第 一样本数量、 所述第 二样本数量以及所述训练样本总数量计算获得类别惩 罚因子； 基于所述类别惩罚因子构建第一损失函数； 利用所述真实 目标样本和所述处理后的相似目标样本进行模型训练， 获得所述第 一损 失函数的损失值达 到第一预设条件的目标检测模型。 5.根据权利要求1所述的非机动车载人识别方法， 其特征在于， 所述利用目标检测模型 对目标视频帧进行目标检测， 获得非机动车目标之后， 对所述非机动车目标进 行识别， 确定 所述非机动车目标 是否载人的过程具体由载 人识别模型实现。 6.根据权利要求5所述的非机动车载人识别方法， 其特征在于， 所述载人识别模型的训 练过程包括： 从真实目标样本中随机抽取训练样本， 并利用所述训练样本进行初始迭代训练， 获得 初始训练模型； 利用所述真实目标样本对所述初始训练模型进行测试， 获得测试 结果； 根据所述测试结果对所述真实目标样本进行重组， 获得各训练样本集合， 并设定各所 述训练样本集 合对应的标签平 滑因子； 基于所述标签平 滑因子构建第二损失函数； 随机抽取所述训练样本集合对所述初始训练模型进行迭代训练， 直至获得所述第 二损 失函数的损失值达 到第二预设条件的载 人识别模型。权　利　要　求　书 1/2 页 2 CN 114821419 A 27.根据权利要求6所述的非机动车载人识别方法， 其特征在于， 所述随机抽取所述训练 样本集合对所述初始训练模型进 行迭代训练， 直至获得所述第二损失函数的损失值达到第 二预设条件的载 人识别模型， 包括： 利用Nesterov 优化函数进行迭代训练， 并计算每次迭代训练后的梯度值； 当所述梯度值达到预设范围时， 利用AdaGrad优化函数进行迭代训练， 直至获得所述载 人识别模型。 8.一种非机动车 载人识别装置， 其特 征在于， 包括： 目标检测模块， 用于对目标视频帧进行目标检测， 获得非机动车目标； 区域划分模块， 用于对所述非机动车目标进行区域划分， 获得 人体区域和车辆区域； 第一特征提取模块， 用于对所述人体区域进行多卷积特 征提取， 获得第一特 征图； 第二特征提取模块， 用于对所述车辆区域进行池化下采样处 理， 获得第二特 征图； 特征图拼接模块， 用于对所述第一特征图和所述第二特征图进行拼接， 获得综合特征 图； 载人识别模块， 用于根据所述综合特征图中的特征信 息确定所述非机动车目标是否载 人。 9.一种非机动车 载人识别设备， 其特 征在于， 包括： 存储器， 用于存 储计算机程序； 处理器， 用于执行所述计算机程序时实现如权利要求1至7任一项所述的非机动车载人 识别方法的步骤。 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上存储有计算机 程序， 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 所述的非机动车载人识 别方法的步骤。权　利　要　求　书 2/2 页 3 CN 114821419 A 3