改进的SSD双网络的考场考生位置快速检测方法技术

一种改进的SSD双网络的考场考生位置快速检测方法，由图像预处理、构建动态阈值SSD网络、构建上采样SSD网络、训练改进的SSD双网络和对测试样本图像进行测试步骤组成。在SSD网络结构的基础上，根据考场考生数据集的特点，构建动态调整交并比阈值方法，增加SSD网络中小目标的正样本量，在SSD网络中加入上采样层，增强小目标图像特征，结合并行双网络结构的思想，提高图像目标检测率。与现有技术相比，具有鲁棒性好、准确率高等优点，适用于考试场景下检测考生及监考教师。

【技术实现步骤摘要】
改进的SSD双网络的考场考生位置快速检测方法
本专利技术属于图像处理及目标检测
，具体地涉及到标准化考场监控视频中获得的单帧图像中考生的识别、定位和人数统计。
技术介绍
考试是教学活动中的一种重要环节，是衡量、评判学生学业水平的主要方式，是我国各类人才考核与选拔的重要手段。在近年的国家各类重要考试中，标准化考场已经发挥了重要作用。如果仅依靠人工实时观察监控视频进行识别判断，难免会因为长时间、不间断的连续工作带来的疲劳而出现误判或者遗漏的情况，因此将先进的计算机视觉技术融入标准化考场监控大数据，以视频监控为主要手段智能地分析考生行为并辅以人工监考的新的监考形式将越来越迫切。对标准化考场中考生位置的准确检测是智能分析考生行为的前提和基础，而基于单帧场景的考生行为涉及图像中的目标检测技术，包含目标识别与定位。考场监控视频单帧图像的学生定位与计数是目标检测技术在标准化考场的一个重要应用，其过程涉及到很多图像处理和图像分析技术，例如对图像中人的形体特征的提取、检测区域交并比计算等方面。目前，国内外的图像目标检测方法包括传统方法如基于图像阈值的目标检测方法、基于帧间差分和双线性插值的目标检本文档来自技高网...

【技术保护点】
1.一种改进的SSD双网络的考场考生位置快速检测方法，其特征在于由下述步骤组成：(1)图像预处理从图像数据集中选取600～800张训练样本图像和80～280张测试样本图像，用双线性插值法将选取的图像按像素大小归一化至250×250～500×500；(2)构建动态阈值SSD网络(a)将SSD网络结构作为动态阈值SSD网络的初始结构输入层是600～800张大小为250×250～500×500的训练样本图像，输入层后连接VGG16的卷积(1)，卷积(1)后首尾按序连接卷积(2)～卷积(5)，卷积(5)后首尾按序连接全卷积层(6)、全卷积层(7)，全卷积层(7)后首尾按序连接卷积(8)～卷积(11)，...

【技术特征摘要】
1.一种改进的SSD双网络的考场考生位置快速检测方法，其特征在于由下述步骤组成：(1)图像预处理从图像数据集中选取600～800张训练样本图像和80～280张测试样本图像，用双线性插值法将选取的图像按像素大小归一化至250×250～500×500；(2)构建动态阈值SSD网络(a)将SSD网络结构作为动态阈值SSD网络的初始结构输入层是600～800张大小为250×250～500×500的训练样本图像，输入层后连接VGG16的卷积(1)，卷积(1)后首尾按序连接卷积(2)～卷积(5)，卷积(5)后首尾按序连接全卷积层(6)、全卷积层(7)，全卷积层(7)后首尾按序连接卷积(8)～卷积(11)，卷积(4)、全卷积层(7)、卷积(8)、卷积(9)、卷积(10)和卷积(11)后均与输出层连接；(b)构建预选框匹配方法在初始结构中，选择卷积(4)中的卷积层(4-3)、全卷积层(7)、卷积(8)中的卷积层(8-2)、卷积(9)中的卷积层(9-2)、卷积(10)中的卷积层(10-2)、卷积(11)中的卷积层(11)共6个卷积层，在6个卷积层上取不同尺度的预选框与真实标签框进行匹配，划分预选框正负样本集，匹配方法为SSD网络中的预选框与真实标签框的面积交并比大于交并比阈值IOU，记为正样本，否则为负样本；确定交并比阈值IOU的方法为：根据真实标签框的面积与输入图像像素大小的比值决定交并比的阈值IOU，动态调整阈值IOU划分正负样本，真实标签框面积与输入图像像素大小比≤0.01，交并比阈值IOU为0.4，否则，交并比阈值IOU为0.5，按下式确定真实标签框的面积SGTb和交并比阈值IOU：SGTb＝(ymax-ymin)×(xmax-xmin)其中xmax、xmin、ymax、ymin分别为真实标签框的横坐标与纵坐标的最大值与最小值；Sinput为输入图像的面积，根据该匹配方法将训练的网络构成动态阈值SSD网络；(3)构建上采样SSD网络(a)构建上采样SSD网络结构输入层是600～800张大小为250×250～500×500的训练样本图像，输入层后连接VGG16的卷积(1)，卷积(1)后首尾按序连接卷积(2)、卷积(3)，卷积(3)后首尾按序连接卷积(4)的卷积层(4-1)、卷积层(4-2)，卷积层(4-2)后连接大小为76×76的上采样层(4-4)，上采样层(4-4)后连接卷积核个数为512、卷积核大小为3×3的预测层(4-5)，卷积层(4-2)后连接卷积层(4-3)，卷积层(4-3)后连接卷积(5)，卷积(5)后首尾按顺序连接全卷积层(6)、全卷积层(7)，全卷积层(7)后首尾按序连接卷积(8)～卷积(11)，卷积层(4-5)、全卷积层(7)、卷积(8)、卷积(9)、卷积(10)和卷积(11)后均与输出层连接，构成上采样SSD网络结构；(b)构建上采样SSD网络的预选框匹配方法在上采样SSD网络结构中，选择卷积(4)中的预测层(4-5)、全卷积层(7)、卷积(8)中的卷积层(8-2)、卷积(9)中的卷积层(9-2)、卷积(10)中的卷积层(10-2)、卷积(11)中的卷积层(11...

【专利技术属性】
技术研发人员：马苗，陶丽丽，裴炤，高子昂，
申请(专利权)人：陕西师范大学，
类型：发明
国别省市：陕西,61