一种基于深度学习的行人检测方法技术

本发明专利技术公开了一种基于深度学习的行人检测方法，主要是在SSD网络结构中引入手工设计的模块方法（RFBNet)对行人进行检测。具体如下：获取训练图像数据；对训练图像数据做预处理后输入改进后的SSD训练网络参数得到网络模型；将训练图像数据做相同的预处理操作输入到改进的SSD模型中进一步对行人进行精定位并通过分类判别得到行人的位置信息。本发明专利技术整体上因为是基于SSD网络进行改进，所以检测速度还是比较快，同时精度也有一定的保证。

【技术实现步骤摘要】
一种基于深度学习的行人检测方法
本专利技术涉及行人技术检测领域，具体涉及一种将SSD算法与多分支卷积模块结合的行人检测方法。
技术介绍
近年来计算机视觉作为一个研究热点受到众多研究者的关注。计算机视觉的任务是模拟人的视觉系统理解所拍摄的图像中的内容，行人检测作为计算机视觉中的一个重要的研究方向，在众多学者的努力下得到大力发展并广泛地应用于现代生活的方方面面。人们日常生活中很多场景都会用到行人检测技术，例如智能交通、智能视频监控、人机交互、智能汽车驾驶辅助系统等。良好的行人检测算法可以为这些应用提供有力的支持。
技术实现思路
本专利技术要解决的技术问题之一在于提供一种行人检测技术方法，以实现一种结合多分支卷积模块（RFB）和SSD网络相结合的行人检测方法，其可以在保证较快速度的前提下，提高行人检测的准确率。为了实现上述目的，本专利技术采用了如下的技术方案：步骤S1：构建带有标注和标签的图片库作为训练样本集和测试样本集；步骤S2：将RFB结构加入SSD模型构建改进的SSD模型；步骤S3：利用训练图本文档来自技高网...

【技术保护点】
1.一种基于深度学习的行人检测方法，其特征在于，其包括：/n步骤S1：构建带有标注和标签的图片库作为训练样本集和测试样本集；/n步骤S2：将RFB结构加入SSD模型构建改进的SSD模型，；/n步骤S3：利用训练图像学习出构建模型的网络参数，获得用于测试过程的模型；/n步骤S4：输入测试样本，通过训练好的SSD模型对不同尺度范围内的行人进行检测，预测出图像中行人的位置框图。/n

【技术特征摘要】
1.一种基于深度学习的行人检测方法，其特征在于，其包括：
步骤S1：构建带有标注和标签的图片库作为训练样本集和测试样本集；
步骤S2：将RFB结构加入SSD模型构建改进的SSD模型，；
步骤S3：利用训练图像学习出构建模型的网络参数，获得用于测试过程的模型；
步骤S4：输入测试样本，通过训练好的SSD模型对不同尺度范围内的行人进行检测，预测出图像中行人的位置框图。


2.根据权利要求1所述的基于深度学习的行人检测方法，其特征在于，所述步骤S2还包括如下步骤：
（2.1）网络结构设计及初始化：基网络选用SSD网络结构，在主干网上用两个RFB结构替换原来新增的两层并在conv4_3和conv7_fc在接预测层之前分别接RFB-s和RFB结构；
（2.2）网络训练：将（2.1）得到的初始化后模型在预处理后的训练图像数据上进行参数微调。


3.根据权利要求2所述的基于深度学习的行人检测方法，其特征在于，所述步骤（2.1）中还包括如下步骤：
（3....

【专利技术属性】
技术研发人员：陈进，王林，杨刚，郭诚俊，
申请(专利权)人：江苏金鑫信息技术有限公司，
类型：发明
国别省市：江苏;32