一种快速行人检测方法及系统技术方案

本发明专利技术公开了一种快速行人检测方法及系统，将MobileNet网络和RPN网络进行组装，构建MobileNet‑RPN检测模型，所述MobileNet‑RPN检测模型以待检测的图像为输入，以待检测图像上的预测的行人边框为输出；获取包含标注有真实的行人边框的行人图像和没有行人的背景图像的训练数据集对所述MobileNet‑RPN检测模型进行训练，得到训练好的MobileNet‑RPN检测模型；将待检测图像输入到所述MobileNet‑RPN检测模型中，得到待检测图像的预测的行人边框。相比现有技术，使用参数量较少的MobileNet的算法构建轻量级的特征选取网络，使得网络前向传播的计算量小，速度快，可达到44FPS。从而大幅度提高了基于深度学习方法的行人检测速度。

A fast pedestrian detection method and system

【技术实现步骤摘要】
一种快速行人检测方法及系统
本专利技术涉及计算机视觉领域里的目标检测
，尤其涉及一种快速行人检测方法及系统。
技术介绍
视觉信息是人类感知世界的重要来源，研究表明，人类获取外界信息中大约有80％到90％的信息来自于视觉信息。人类可以快速的分析感知到的信息并且对其中所有目标进行定位和识别。计算机视觉技术的最终目的就是让计算机可以像人类一样快速定位、识别以及分析目标，一旦计算机具备了人类的视觉识别能力，那么它在许多领域就可以替代人力，从而大大节约人力成本和生产成本。目标检测是计算机视觉的重要分支，其目的是对图像中的目标进行精确的定位和分类，行人检测作为目标检测的一个具体的实际应用，是指给定图像和视频，判断出其中是否有行人，如果有，给出行人的具体位置。它是自动驾驶，智能视频监控以及人的行为分析的基础和前提，因此提高行人检测的准确率和鲁棒性具有重要的意义。传统的行人检测方法是先提取人工设计的分辨率较强的特征，例如梯度直方图特征，Haar(Haar-likefeatures，哈尔特征)特征，然后使用机器学习中的方法训练出一个分类模型本文档来自技高网...

【技术保护点】
1.一种快速行人检测方法，其特征在于，包括以下步骤：/n将MobileNet网络和RPN网络进行融合，构建MobileNet-RPN检测模型，所述MobileNet-RPN检测模型以待检测的图像为输入，以待检测图像上的预测的行人边框为输出；/n获取包含标注有真实的行人边框的行人图像和没有行人的背景图像的训练数据集对所述MobileNet-RPN检测模型进行训练，得到训练好的MobileNet-RPN检测模型；/n将待检测图像输入到所述MobileNet-RPN检测模型中，得到待检测图像的预测的行人边框。/n

【技术特征摘要】
1.一种快速行人检测方法，其特征在于，包括以下步骤：
将MobileNet网络和RPN网络进行融合，构建MobileNet-RPN检测模型，所述MobileNet-RPN检测模型以待检测的图像为输入，以待检测图像上的预测的行人边框为输出；
获取包含标注有真实的行人边框的行人图像和没有行人的背景图像的训练数据集对所述MobileNet-RPN检测模型进行训练，得到训练好的MobileNet-RPN检测模型；
将待检测图像输入到所述MobileNet-RPN检测模型中，得到待检测图像的预测的行人边框。


2.根据权利要求1所述的快速行人检测方法，其特征在于，构建MobileNet-RPN检测模型，包括以下步骤：
获取ImageNet预训练的MobileNet网络，去掉网络的输出通道数为1024的卷积层及其后面的网络层，得到的网络输出特征层的featurestride为16，用这个网络作为骨架网络替换FasterR-CNN中的RPN的VGG网络，得到MobileNet-RPN检测模型，将所述MobileNet-RPN的anchorstride减小为8，并设置所述MobileNet-RPN的预测输出层的任一个预测通道负责4个两两相邻的anchors中心点所对应的所有anchors的分类和回归。


3.根据权利要求2所述的快速行人检测方法，其特征在于，获取包含标注有真实的行人边框的行人图像和没有行人的背景图像的训练数据集对所述MobileNet-RPN检测模型进行训练，具体包括以下步骤：
设置MobileNet-RPN检测模型的训练策略和验证策略；
获取Caltech数据集作为训练数据集，并将所述训练数据集分为训练集和验证集，将所述训练集中的图片输入到MobileNet-RPN检测模型，依照训练策略对所述MobileNet-RPN检测模型进行迭代训练，并在训练过程中，将验证集输入MobileN...

【专利技术属性】
技术研发人员：陈志文，陈卓，彭涛，阳春华，
申请(专利权)人：中南大学，
类型：发明
国别省市：湖南;43