目标类别检测方法、装置、设备、存储介质及车辆

技术领域

本公开涉及自动驾驶技术领域，尤其涉及一种目标类别检测方法、装置、设备、存储介质及车辆。

背景技术

随着自动驾驶技术的发展，自动驾驶车辆将会逐步在人们的日常生活中推广。为了降低安全事故发生率和减轻驾驶员驾驶疲劳程度，高级驾驶辅助系统(AdvancedDriving Assistance System，ADAS)已成为研究热点。

在汽车驾驶情境中，行人和骑行人是两类重要目标，需要ADAS对其进行快速、准确地识别。

现有技术中，由于车载摄像头像素的限制，当目标较远时，行人和骑行人的图像信息差异较小，通过模型检测行人和骑行人的类别，会出现误检现象，导致对行人和骑行人检测的准确率较低。

发明内容

为了解决上述技术问题，本公开提供了一种目标类别检测方法、装置、设备、存储介质及车辆。

第一方面，本公开实施例提供一种目标类别检测方法，所述方法包括：

获取待检测目标的图像以及所述待检测目标的速度；

对所述待检测目标的图像进行识别，得到识别结果，所述识别结果包括行人框、行人置信度、骑行人框、骑行人置信度；

基于所述行人置信度和所述骑行人置信度中的较大值，更新累计置信度中对应的值，所述累计置信度包括行人累计置信度、骑行人累计置信度；

根据所述待检测目标的速度以及所述累计置信度，对所述待检测目标的类别进行检测。

第二方面，本公开实施例提供一种目标类别检测装置，包括：

获取模块，用于获取待检测目标的图像以及所述待检测目标的速度；

得到模块，用于对所述待检测目标的图像进行识别，得到识别结果，所述识别结果包括行人框、行人置信度、骑行人框、骑行人置信度；

更新模块，用于基于所述行人置信度和所述骑行人置信度中的较大值，更新累计置信度中对应的值，所述累计置信度包括行人累计置信度、骑行人累计置信度；

检测模块，用于根据所述待检测目标的速度以及所述累计置信度，对所述待检测目标的类别进行检测。

第三方面，本公开实施例提供一种电子设备，包括：

存储器；

处理器；以及

计算机程序；

其中，所述计算机程序存储在所述存储器中，并被配置为由所述处理器执行以实现如第一方面所述的方法。

第四方面，本公开实施例提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行以实现第一方面所述的方法。

第五方面，本公开实施例还提供了一种计算机程序产品，该计算机程序产品包括计算机程序或指令，该计算机程序或指令被处理器执行时实现如上所述的目标类别检测方法。

第六方面，本公开实施例还提供了一种车辆，包括：

存储器；

处理器；以及

计算机程序；

其中，所述计算机程序存储在所述存储器中，并被配置为由所述处理器执行以实现如上所述的目标类别检测方法。

本公开实施例提供的目标类别检测方法、装置、设备、存储介质及车辆，通过获取待检测目标的图像以及所述待检测目标的速度，对所述待检测目标的图像进行识别，得到识别结果，所述识别结果包括行人框、行人置信度、骑行人框、骑行人置信度。进一步，基于所述行人置信度和所述骑行人置信度中的较大值，更新累计置信度中对应的值，所述累计置信度包括行人累计置信度、骑行人累计置信度。进而根据所述待检测目标的速度以及所述累计置信度，对所述待检测目标的类别进行检测。相较于现有技术，本公开由于考虑到行人速度远小于骑行人速度，当待检测目标的速度较快时，待检测目标一定是骑行人，进而根据所述待检测目标的速度、所述累计置信度等多个角度来确定待检测目标的类别，对待检测目标的类别的检测更加全面、准确，可以减少误检，从而提高对行人和骑行人检测的准确率。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。

为了更清楚地说明本公开实施例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简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。

图1为本公开实施例提供的目标类别检测方法流程图；

图2为本公开另一实施例提供的目标类别检测方法流程图；

图3为本公开另一实施例提供的目标类别检测方法流程图；

图4为本公开实施例提供的目标类别检测装置的结构示意图；

图5为本公开实施例提供的电子设备的结构示意图。

具体实施方式

为了能够更清楚地理解本公开的上述目的、特征和优点，下面将对本公开的方案进行进一步描述。需要说明的是，在不冲突的情况下，本公开的实施例及实施例中的特征可以相互组合。

在下面的描述中阐述了很多具体细节以便于充分理解本公开，但本公开还可以采用其它不同于在此描述的方式来实施；显然，说明书中的实施例只是本公开的一部分实施例，而不是全部的实施例。此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。基于所描述的本发明的实施例，本领域普通技术人员所获得的所有其它实施例，都属于本发明保护的范围。

本公开实施例提供了一种目标类别检测方法，下面结合具体的实施例对该方法进行介绍。

图1为本公开实施例提供的目标类别检测方法流程图。该方法可以应用于车载终端，可以应用于区分行人和骑行人，可以对目标的类别进行检测，提高对行人和骑行人检测的准确率。可以理解的是，本公开实施例提供的目标类别检测方法还可以应用在其它场景中。

下面对图1所示的目标类别检测方法进行介绍，该方法包括的具体步骤如下：

S101、获取待检测目标的图像以及所述待检测目标的速度。

车载终端获取待检测目标的图像以及所述待检测目标的速度。例如，车上装有前视相机或环视相机等，待检测目标的图像可以通过前视相机或环视相机采集。车载终端可以获取待检测目标的图像。在一些实施例中，可以根据待检测目标在一定时间内的位置变化，测出待检测目标的速度。

S102、对所述待检测目标的图像进行识别，得到识别结果，所述识别结果包括行人框、行人置信度、骑行人框、骑行人置信度。

在获取到待检测目标的图像之后，车载终端对所述待检测目标的图像进行识别，得到识别结果，所述识别结果可以包括行人框、行人置信度、骑行人框、骑行人置信度。

对于每一个待检测目标，会同时识别出行人框、行人置信度、骑行人框、骑行人置信度，同时识别出行人的属性信息和骑行人的属性信息，再根据后需判断流程来确定待检测目标的类别是行人还是骑行人。

在一些实施例中，可以将待检测目标的图像输入到卷积神经网络中，通过卷积神经网络得到识别结果，所述识别结果包括行人框、待检测目标为行人的置信度、骑行人框、待检测目标为骑行人的置信度。

在一些实施例中，如果得到的识别结果不是对待检测目标的图像识别得到的，将行人置信度和骑行人置信度记为0。由于存在信号接收不稳定的情况，可能导致未获取到待检测目标当前帧的图像，此情况下，识别结果不是对待检测目标的图像识别得到的，而是根据上一帧图像的识别结果预测出的识别结果。

S103、基于所述行人置信度和所述骑行人置信度中的较大值，更新累计置信度中对应的值，所述累计置信度包括行人累计置信度、骑行人累计置信度。

在识别出行人置信度和骑行人置信度之后，车载终端基于所述行人置信度和所述骑行人置信度中的较大值，更新累计置信度中对应的值。

在一些实施例中，当所述行人置信度大于所述骑行人置信度时，即所述行人置信度较大时，将所述行人置信度累加到行人累计置信度中，行人累计置信度表示待检测目标的图像之前几帧图像的行人置信度累计值；当所述行人置信度小于所述骑行人置信度时，即所述骑行人置信度较大时，将所述骑行人置信度累加到骑行人累计置信度中，骑行人累计置信度表示待检测目标的图像之前几帧图像的骑行人置信度累计值。特殊地，当所述行人置信度等于所述骑行人置信度时，不进行累加，或将所述行人置信度和所述骑行人置信度分别累加到行人累计置信度、骑行人累计置信度中。

S104、根据所述待检测目标的速度以及所述累计置信度，对所述待检测目标的类别进行检测。

车载终端可以根据所述待检测目标的速度、所述累计置信度，对所述待检测目标的类别进行检测。例如，当待检测目标的速度较快时，确定待检测目标的类别为骑行人。例如，可以比较所述骑行人累计置信度和所述行人累计置信度的大小关系，所述骑行人累计置信度大于所述行人累计置信度时，确定待检测目标的类别为骑行人。

在一些实施例中，如果待检测目标连续在多张图像中出现，由于汽车在行进，待检测目标可以跟上汽车的速度，说明待检测目标速度较快，则将所述待检测目标的类别确定为骑行人。如果待检测目标只在当前图像中出现，说明是突然出现，则将所述待检测目标的类别确定为骑行人。

在一些实施例中，默认每个待检测目标的类别为骑行人，然后根据后续判断对待检测目标的类别进行更正。具体的，当后续判断出是行人时，则更改待检测目标的类别为行人；当后续判断出是骑行人时，则保持待检测目标的类别为骑行人。存在一种特殊情况：当待检测目标距离车辆前端部位很近，属于风险场景，此时不进行后续判断，直接将所述待检测目标的类别确定为骑行人，以使车辆及时做出反应，避免发生事故。

本公开实施例通过获取待检测目标的图像以及所述待检测目标的速度，对所述待检测目标的图像进行识别，得到识别结果，所述识别结果包括行人框、行人置信度、骑行人框、骑行人置信度。进一步，基于所述行人置信度和所述骑行人置信度中的较大值，更新累计置信度中对应的值，所述累计置信度包括行人累计置信度、骑行人累计置信度。进而根据所述待检测目标的速度、所述累计置信度，对所述待检测目标的类别进行检测。相较于现有技术，本公开由于考虑到行人速度远小于骑行人速度，当待检测目标的速度较快时，待检测目标一定是骑行人，进而根据所述待检测目标的速度、所述累计置信度等多个角度来确定待检测目标的类别，对待检测目标的类别的检测更加全面、准确，可以减少误检，从而提高对行人和骑行人检测的准确率。

图2为本公开另一实施例提供的目标类别检测方法流程图，如图2所示，该方法包括如下几个步骤：

S201、获取相机采集的待检测目标的图像。

例如，车上装有前视相机或环视相机等，待检测目标的图像可以通过前视相机或环视相机采集。车载终端可以获取相机采集的待检测目标的图像。

S202、基于所述待检测目标在所述待检测目标的图像中的位置变化情况，计算所述待检测目标的速度。

在一些实施例中，车载终端基于待检测目标在当前帧图像和上一帧图像的位置变化，计算出所述待检测目标的速度。例如，可以根据待检测目标的位置变化情况，测出所述待检测目标的速度。在一些实施例中，车载终端可以基于车辆的测速组件测出所述待检测目标的速度。

S203、对所述待检测目标的图像进行识别，得到识别结果，所述识别结果包括行人框、行人置信度、骑行人框、骑行人置信度。

具体的，S203和S102的实现过程和原理一致，此处不再赘述。

S204、基于所述待检测目标的图像确定所述待检测目标离车辆的距离。

本步骤中，车载终端基于所述待检测目标的图像确定所述待检测目标离车辆的距离。在一些实施例中，车载终端可以基于车辆的测距组件测出所述待检测目标离车辆的距离。

S205、基于所述待检测目标离车辆的距离，对所述行人置信度和所述骑行人置信度进行调整，得到所述行人目标置信度和所述骑行人目标置信度。

在确定所述待检测目标离车辆的距离之后，车载终端基于所述待检测目标离车辆的距离，对所述行人置信度和所述骑行人置信度进行调整，得到所述行人目标置信度和所述骑行人目标置信度。例如，不同距离的置信度权重不同，距离越近，置信度权重越大，置信度权重最大为1。距离与置信度权重有对应关系，该对应关系可以是线性的，例如正比例关系、反比例关系等，也可以是非线性的，本公开实施例不对该对应关系做限定。进一步的，将所述行人置信度乘以置信度权重得到所述行人目标置信度，将所述骑行人置信度除以置信度权重得到所述骑行人目标置信度。

在一些实施例中，S205包括但不限于S2051、S2052、S2053：

S2051、确定与所述待检测目标离车辆的距离对应的置信度比例。

例如，车载终端中存储有所述待检测目标离车辆的距离与置信度比例的对应关系，车载终端从所述对应关系中确定出与所述待检测目标离车辆的距离对应的置信度比例。所述对应关系可以是线性的，例如正比例关系、反比例关系等，也可以是非线性的，本公开实施例不对所述对应关系做限定。

S2052、分别将所述行人置信度和所述骑行人置信度与所述置信度比例相乘，得到所述行人置信度的调整值和所述骑行人置信度的调整值。

在确定出置信度比例之后，分别将所述行人置信度和所述骑行人置信度与所述置信度比例相乘，得到所述行人置信度的调整值和所述骑行人置信度的调整值。

S2053、基于所述行人置信度的调整值和所述骑行人置信度的调整值，对所述行人置信度和所述骑行人置信度进行调整，分别得到所述行人目标置信度和所述骑行人目标置信度。

本步骤中，车载终端基于所述行人置信度的调整值和所述骑行人置信度的调整值，对所述行人置信度和所述骑行人置信度进行调整，分别得到所述行人目标置信度和所述骑行人目标置信度。

在一些实施例中，所述基于所述行人置信度的调整值和所述骑行人置信度的调整值，对所述行人置信度和所述骑行人置信度进行调整，分别得到所述行人目标置信度和所述骑行人目标置信度，包括：将所述行人置信度与所述行人置信度的调整值相减，得到所述行人目标置信度；将所述骑行人置信度与所述骑行人置信度的调整值相加，得到所述骑行人目标置信度。

具体的，车载终端将所述行人置信度与所述行人置信度的调整值相减，得到所述行人目标置信度，将所述骑行人置信度与所述骑行人置信度的调整值相加，得到所述骑行人目标置信度。

S206、基于所述行人目标置信度和所述骑行人目标置信度中的较大值，更新累计置信度中对应的值。

本步骤中，车载终端基于所述行人目标置信度和所述骑行人目标置信度中的较大值，更新累计置信度中对应的值。所述累计置信度包括行人累计置信度、骑行人累计置信度。

在一些实施例中，当所述行人目标置信度大于所述骑行人目标置信度时，即所述行人目标置信度较大时，将所述行人目标置信度累加到行人累计置信度中，行人累计置信度表示待检测目标的图像之前几帧图像的行人置信度累计值；当所述行人目标置信度小于所述骑行人目标置信度时，即所述骑行人目标置信度较大时，将所述骑行人目标置信度累加到骑行人累计置信度中，骑行人累计置信度表示待检测目标的图像之前几帧图像的骑行人置信度累计值。特殊地，当所述行人目标置信度等于所述骑行人目标置信度时，不进行累加，或将所述行人目标置信度和所述骑行人目标置信度分别累加到行人累计置信度、骑行人累计置信度中。

S207、计算所述行人框与所述骑行人框的交集的面积占所述行人框与所述骑行人框的并集的面积的比值。

在识别出行人框和骑行人框之后，车载终端计算所述行人框与所述骑行人框的交集的面积占所述行人框与所述骑行人框的并集的面积的比值。例如，行人框面积为10平方厘米，骑行人框面积为12平方厘米，行人框与骑行人框的重叠部分面积为8平方厘米，即所述行人框与所述骑行人框的交集的面积为8平方厘米，所述行人框与所述骑行人框的并集的面积为(行人框面积+骑行人框面积-行人框与骑行人框的重叠部分面积)＝10+12-8＝14平方厘米，则所述行人框与所述骑行人框的交集的面积占所述行人框与所述骑行人框的并集的面积的比值为4/7。

S208、根据所述待检测目标的速度、所述累计置信度以及所述比值，对所述待检测目标的类别进行检测。

车载终端可以根据所述待检测目标的速度、所述累计置信度以及所述比值，对所述待检测目标的类别进行检测。例如，当待检测目标的速度较快时，确定待检测目标的类别为骑行人。例如，可以比较所述骑行人累计置信度和所述行人累计置信度的大小关系，所述骑行人累计置信度大于所述行人累计置信度时，确定待检测目标的类别为骑行人。例如，可以预设比值阈值，当所述行人框与所述骑行人框的交集的面积占所述行人框与所述骑行人框的并集的面积的比值小于预设比值阈值时，确定待检测目标的类别为骑行人。

在一些实施例中，所述根据所述待检测目标的速度以及所述累计置信度，对所述待检测目标的类别进行检测，包括：根据所述待检测目标的速度是否大于预设速度阈值、所述骑行人累计置信度是否大于所述行人累计置信度、以及所述比值是否小于预设比值阈值，对所述待检测目标的类别进行检测。

由于预先设置了阈值，车载终端可以将所述待检测目标的速度与预设速度阈值进行比较、将所述比值与预设比值阈值进行比较，将所述骑行人累计置信度与于所述行人累计置信度进行比较，进而根据它们的大小关系检测出待检测目标的类别。

在一些实施例中，所述根据所述待检测目标的速度是否大于预设速度阈值、所述骑行人累计置信度是否大于所述行人累计置信度、以及所述比值是否小于预设比值阈值，对所述待检测目标的类别进行检测，包括：若所述待检测目标的速度大于预设速度阈值、或所述骑行人累计置信度大于所述行人累计置信度、或所述比值小于预设比值阈值，则检测出待检测目标的类别为骑行人；若所述待检测目标的速度小于或等于预设速度阈值、所述骑行人累计置信度小于或等于所述行人累计置信度、且所述比值大于或等于预设比值阈值，则检测出待检测目标的类别为行人。

当所述待检测目标的速度大于预设速度阈值、或所述骑行人累计置信度大于所述行人累计置信度、或所述比值小于预设比值阈值时，检测出待检测目标的类别为骑行人；当所述待检测目标的速度小于或等于预设速度阈值、所述骑行人累计置信度小于或等于所述行人累计置信度、且所述比值大于或等于预设比值阈值时，检测出待检测目标的类别为行人。

本公开实施例通过获取相机采集的待检测目标的图像，基于所述待检测目标在所述待检测目标的图像中的位置变化情况，计算所述待检测目标的速度，对所述待检测目标的图像进行识别，得到识别结果，所述识别结果包括行人框、行人置信度、骑行人框、骑行人置信度。进一步，基于所述待检测目标的图像确定所述待检测目标离车辆的距离，基于所述待检测目标离车辆的距离，对所述行人置信度和所述骑行人置信度进行调整，得到所述行人目标置信度和所述骑行人目标置信度，基于所述行人目标置信度和所述骑行人目标置信度中的较大值，更新累计置信度中对应的值，计算所述行人框与所述骑行人框的交集的面积占所述行人框与所述骑行人框的并集的面积的比值。进而根据所述待检测目标的速度是否大于预设速度阈值、所述骑行人累计置信度是否大于所述行人累计置信度、以及所述比值是否小于预设比值阈值，对所述待检测目标的类别进行检测。本公开实施例由于预先设置了阈值，通过判断所述待检测目标的速度是否大于预设速度阈值、所述骑行人累计置信度是否大于所述行人累计置信度、以及所述比值是否小于预设比值阈值，进而根据判断结论灵活检测出待检测目标的类别，采用多重判断更加灵活，可以减少误检测的情况，进而可以提高对行人和骑行人检测的准确率。

图3为本公开另一实施例提供的目标类别检测方法流程图，如图3所示，该方法包括如下几个步骤：

S301、获取待检测目标的图像以及所述待检测目标的速度。

具体的，S301和S101的实现过程和原理一致，此处不再赘述。

S302、对所述待检测目标的图像进行识别，得到识别结果，所述识别结果包括行人框、行人置信度、骑行人框、骑行人置信度。

具体的，S302和S102的实现过程和原理一致，此处不再赘述。

S303、基于所述行人置信度和所述骑行人置信度中的较大值，更新累计置信度中对应的值，所述累计置信度包括行人累计置信度、骑行人累计置信度。

具体的，S303和S103的实现过程和原理一致，此处不再赘述。

S304、计算所述行人框与所述骑行人框的交集的面积占所述行人框与所述骑行人框的并集的面积的比值。

具体的，S304和S207的实现过程和原理一致，此处不再赘述。

S305、判断所述比值是否小于预设比值阈值，若是，则执行S309，否则执行S306。

本步骤中，判断所述行人框与所述骑行人框的交集的面积占所述行人框与所述骑行人框的并集的面积的比值是否小于预设比值阈值。如果所述比值小于预设比值阈值，则执行S309；如果所述比值大于或等于预设比值阈值，则执行S306以及S306之后的步骤。

在一些实施例中，如果所述比值小于预设比值阈值，则判断所述骑行人置信度是否大于预设骑行人置信度阈值。如果所述骑行人置信度大于预设骑行人置信度阈值，则检测出待检测目标的类别为骑行人；如果所述骑行人置信度小于或等于预设骑行人置信度阈值，则执行S306以及S306之后的步骤。进一步，提高对行人和骑行人检测的准确率。

S306、判断所述骑行人累计置信度是否大于所述行人累计置信度，若是，则执行S309，否则执行S307。

如果所述比值大于或等于预设比值阈值，则判断所述骑行人累计置信度是否大于所述行人累计置信度。如果所述骑行人累计置信度大于所述行人累计置信度，则执行S309；如果所述骑行人累计置信度小于或等于所述行人累计置信度，则执行S307以及S307之后的步骤。

S307、判断所述待检测目标的速度是否大于预设速度阈值，若是，则执行S309，否则执行S308。

如果所述骑行人累计置信度小于或等于所述行人累计置信度，则判断所述待检测目标的速度是否大于预设速度阈值。如果所述待检测目标的速度大于预设速度阈值，则执行S309；如果所述待检测目标的速度小于或等于预设速度阈值，则执行S308。

S308、检测出待检测目标的类别为行人。

若所述待检测目标的速度小于或等于预设速度阈值、所述骑行人累计置信度小于或等于所述行人累计置信度、且所述比值大于或等于预设比值阈值，则检测出待检测目标的类别为行人。

S309、检测出待检测目标的类别为骑行人。

若所述待检测目标的速度大于预设速度阈值、或所述骑行人累计置信度大于所述行人累计置信度、或所述比值小于预设比值阈值，则检测出待检测目标的类别为骑行人。

本公开实施例通过获取待检测目标的图像以及所述待检测目标的速度，对所述待检测目标的图像进行识别，得到识别结果，所述识别结果包括行人框、行人置信度、骑行人框、骑行人置信度。进一步，计算所述行人框与所述骑行人框的交集的面积占所述行人框与所述骑行人框的并集的面积的比值，基于所述行人置信度和所述骑行人置信度中的较大值，更新累计置信度中对应的值，所述累计置信度包括行人累计置信度、骑行人累计置信度。进而根据所述待检测目标的速度是否大于预设速度阈值、所述骑行人累计置信度是否大于所述行人累计置信度、以及所述比值是否小于预设比值阈值，对所述待检测目标的类别进行检测。若所述待检测目标的速度大于预设速度阈值、或所述骑行人累计置信度大于所述行人累计置信度、或所述比值小于预设比值阈值，则检测出待检测目标的类别为骑行人；若所述待检测目标的速度小于或等于预设速度阈值、所述骑行人累计置信度小于或等于所述行人累计置信度、且所述比值大于或等于预设比值阈值，则检测出待检测目标的类别为行人。本公开通过判断所述待检测目标的速度是否大于预设速度阈值、所述骑行人累计置信度是否大于所述行人累计置信度、以及所述比值是否小于预设比值阈值，进而根据判断结论检测出待检测目标的类别。采用多重判断更加灵活，通过设置多个判断依据，对待检测目标的类别的检测更加全面、准确，进一步提高对行人和骑行人检测的准确率。

图4为本公开实施例提供的目标类别检测装置的结构示意图。该目标类别检测装置可以是如上实施例的车载终端，或者该目标类别检测装置可以该车载终端中的部件或组件。本公开实施例提供的目标类别检测装置可以执行目标类别检测方法实施例提供的处理流程，如图4所示，目标类别检测装置40包括：获取模块41、得到模块42、更新模块43、检测模块44；其中，获取模块41用于获取待检测目标的图像以及所述待检测目标的速度；得到模块42用于对所述待检测目标的图像进行识别，得到识别结果，所述识别结果包括行人框、行人置信度、骑行人框、骑行人置信度；更新模块43用于基于所述行人置信度和所述骑行人置信度中的较大值，更新累计置信度中对应的值，所述累计置信度包括行人累计置信度、骑行人累计置信度；检测模块44用于根据所述待检测目标的速度以及所述累计置信度，对所述待检测目标的类别进行检测。

可选的，所述获取模块41获取待检测目标的图像以及所述待检测目标的速度时，具体用于：获取相机采集的待检测目标的图像；基于所述待检测目标在所述待检测目标的图像中的位置变化情况，计算所述待检测目标的速度。

可选的，所述装置还包括：确定模块45、调整模块46；确定模块45用于基于所述待检测目标的图像确定所述待检测目标离车辆的距离；调整模块46用于基于所述待检测目标离车辆的距离，对所述行人置信度和所述骑行人置信度进行调整，得到所述行人目标置信度和所述骑行人目标置信度；

相应的，所述更新模块43基于所述行人置信度和所述骑行人置信度中的较大值，更新累计置信度中对应的值时，具体用于：基于所述行人目标置信度和所述骑行人目标置信度中的较大值，更新累计置信度中对应的值。

可选的，所述调整模块46基于所述待检测目标离车辆的距离，对所述行人置信度和所述骑行人置信度进行调整，得到所述行人目标置信度和所述骑行人目标置信度时，具体用于：确定与所述待检测目标离车辆的距离对应的置信度比例；分别将所述行人置信度和所述骑行人置信度与所述置信度比例相乘，得到所述行人置信度的调整值和所述骑行人置信度的调整值；基于所述行人置信度的调整值和所述骑行人置信度的调整值，对所述行人置信度和所述骑行人置信度进行调整，分别得到所述行人目标置信度和所述骑行人目标置信度。

可选的，所述调整模块46基于所述行人置信度的调整值和所述骑行人置信度的调整值，对所述行人置信度和所述骑行人置信度进行调整，分别得到所述行人目标置信度和所述骑行人目标置信度时，具体用于：将所述行人置信度与所述行人置信度的调整值相减，得到所述行人目标置信度；将所述骑行人置信度与所述骑行人置信度的调整值相加，得到所述骑行人目标置信度。

可选的，所述装置还包括：计算模块47；计算模块47用于计算所述行人框与所述骑行人框的交集的面积占所述行人框与所述骑行人框的并集的面积的比值；

所述检测模块44根据所述待检测目标的速度以及所述累计置信度，对所述待检测目标的类别进行检测时，具体用于：根据所述待检测目标的速度、所述累计置信度以及所述比值，对所述待检测目标的类别进行检测。

可选的，所述检测模块44根据所述待检测目标的速度、所述累计置信度以及所述比值，对所述待检测目标的类别进行检测时，具体用于：根据所述待检测目标的速度是否大于预设速度阈值、所述骑行人累计置信度是否大于所述行人累计置信度、以及所述比值是否小于预设比值阈值，对所述待检测目标的类别进行检测。

可选的，所述检测模块44根据所述待检测目标的速度是否大于预设速度阈值、所述骑行人累计置信度是否大于所述行人累计置信度、以及所述比值是否小于预设比值阈值，对所述待检测目标的类别进行检测时，具体用于：若所述待检测目标的速度大于预设速度阈值、或所述骑行人累计置信度大于所述行人累计置信度、或所述比值小于预设比值阈值，则检测出待检测目标的类别为骑行人；若所述待检测目标的速度小于或等于预设速度阈值、所述骑行人累计置信度小于或等于所述行人累计置信度、且所述比值大于或等于预设比值阈值，则检测出待检测目标的类别为行人。

图4所示实施例的目标类别检测装置可用于执行上述方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。

图5为本公开实施例中的一种电子设备的结构示意图。下面具体参考图5，其示出了适于用来实现本公开实施例中的电子设备600的结构示意图。图5示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图5所示，电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理以实现如本公开所述的实施例的目标类别检测方法。在RAM 603中，还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

通常，以下装置可以连接至I/O接口605：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许电子设备600与其它设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备600，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码，从而实现如上所述的目标类别检测方法。在这样的实施例中，该计算机程序可以通过通信装置609从网络上被下载和安装，或者从存储装置608被安装，或者从ROM 602被安装。在该计算机程序被处理装置601执行时，执行本公开实施例的方法中限定的上述功能。

本公开实施例还提供了一种车辆，包括：存储器；处理器；以及计算机程序；其中，所述计算机程序存储在所述存储器中，并被配置为由所述处理器执行以实现如上所述的目标类别检测方法。

需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。

上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：

获取待检测目标的图像以及所述待检测目标的速度；

对所述待检测目标的图像进行识别，得到识别结果，所述识别结果包括行人框、行人置信度、骑行人框、骑行人置信度；

基于所述行人置信度和所述骑行人置信度中的较大值，更新累计置信度中对应的值，所述累计置信度包括行人累计置信度、骑行人累计置信度；

根据所述待检测目标的速度以及所述累计置信度，对所述待检测目标的类别进行检测。

可选的，当上述一个或者多个程序被该电子设备执行时，该电子设备还可以执行上述实施例所述的其它步骤。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。

尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。