一种基于图像分区的道路行人小目标检测方法技术

本发明专利技术公开了一种基于图像分区的道路行人小目标检测方法，涉及图像处理、目标检测及深度学习技术领域；主旨在于将直接检测问题转化为分区检测再拼接问题，有效解决了直接检测小目标行人效果差的问题，提升了检测算法对大图像中小目标行人检测的能力。主要方案包括S1：构建行人分区数据集；S2：使用S1的行人分区数据集训练输入大小为608×608的行人检测网络模型；S3：输入待检测图像；S4：对S3中的待检测图像进行分区；S5：对S4中所有分区子图像按分区的先后顺序，使用S2中训练好的行人检测模型进行检测；S6：对S5中的所有分区子图像的检测结果按S4中分区的先后顺序进行拼接，将分区子图像的检测结果还原到待检测图像上；S7：输出检测结果。

【技术实现步骤摘要】
一种基于图像分区的道路行人小目标检测方法
本专利技术涉及图像处理、目标检测及深度学习
，尤其是一种基于图像分区的道路行人小目标检测方法。
技术介绍
行人检测是目标检测中一个重要的问题，其需要在视频或数字图像中检测行人的位置。行人检测作为目标检测问题的一个分支，涉及到检测特定的人类类别，其在视频监控、自动驾驶、人员识别、机器人等领域有着广泛的应用。行人小目标检测问题在行人检测任务中一直是难点，主要是行人小目标在图像中模糊、分辨率低和携带的信息少，因此导致特征表达能力弱，在特征提取的过程中，能提取到的特征非常少，所以行人小目标的检测精度通常只有行人大目标的一半。一般的小目标检测方案主要包括：采用图像金字塔和多尺度滑动窗口，如MTCNN、FPN和Feature-FusedSSD等；采用数据增强手段，如过采样和复制粘贴小目标；采用不同的训练策略，如SNIP、SNIPER和SAN等：采用先放大特征再检测的检测策略，如GAN网络去检测小目标。这几种策略一般都是针对COCO或ImageNet等通用数据集或图片原始尺寸较小下进行的，如典型的Fas本文档来自技高网...

【技术保护点】
1.一种基于图像分区的道路行人小目标检测方法，其特征在于：包括如下步骤：/n步骤1：构建行人分区数据集；/n步骤2：使用步骤1的行人分区数据集训练输入大小为n×n的行人检测网络模型；/n步骤3：输入待检测图像；/n步骤4：对步骤3中的待检测图像进行分区，得到包含分区先后顺序的分区子图像；/n步骤5：对步骤4中所有分区子图像按分区的先后顺序，使用步骤2中训练好的行人检测模型进行检测；/n步骤6：对步骤5中的所有分区子图像的检测结果按步骤4中分区的先后顺序进行拼接，将分区子图像的检测结果还原到待检测图像上；/n步骤7：输出检测结果。/n

【技术特征摘要】
1.一种基于图像分区的道路行人小目标检测方法，其特征在于：包括如下步骤：
步骤1：构建行人分区数据集；
步骤2：使用步骤1的行人分区数据集训练输入大小为n×n的行人检测网络模型；
步骤3：输入待检测图像；
步骤4：对步骤3中的待检测图像进行分区，得到包含分区先后顺序的分区子图像；
步骤5：对步骤4中所有分区子图像按分区的先后顺序，使用步骤2中训练好的行人检测模型进行检测；
步骤6：对步骤5中的所有分区子图像的检测结果按步骤4中分区的先后顺序进行拼接，将分区子图像的检测结果还原到待检测图像上；
步骤7：输出检测结果。


2.根据权利要求1所述的一种基于图像分区的道路行人小目标检测方法，其特征在于：所述步骤1中的行人分区数据集构建如下步骤：
步骤1.1：将m’×n’大小的行人数据集CityPersons中每一张m’×n’的图像以n×n大小的窗口滑动，切割成多个小图像，相邻窗口之间具有x％的重叠，用于防止将小目标裁剪为更小的目标，并删除所切割子图像中相同区域大于x％的子图像，同时将图像标签对应裁剪为子标签，得到训练集和验证集。


3.根据权利要求1所述的一种基于图像分区的道路行人小目标检测方法，其特征在于：所述步骤2中具体实施步骤如下：
步骤2.1、基于通用目标检测网络模型，采用步骤1中的数据集训练一个行人检测网络模型，同时采用K-means均值聚类对数据集的行人标注框进行聚类，参数初始化使用所采用目...

【专利技术属性】
技术研发人员：袁国慧，叶涛，王卓然，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川;51