一种基于多尺度的行人检测方法技术

本发明专利技术公开了一种基于多尺度的行人检测方法，第一步运用多尺度特征融合，来更多地学习不同尺度的特征，实现利用浅层的特征将简单的目标的区分开来，利用深层的特征将复杂的目标区分开来的目的；第二步，为了进一步提升网络对于多尺度，尤其是小目标的检测能力，用不同大小的滑窗，使得RPN输出经不同感受野滑窗生成的候选区域。本发明专利技术在行人检测方面具有一定的提升，而且比现有技术具有更好的鲁棒性，可以用于小目标行人的检测。

【技术实现步骤摘要】
一种基于多尺度的行人检测方法
本专利技术涉及计算机视觉图像处理领域，特别是一种基于多尺度的行人检测方法。
技术介绍
近年来，计算机视觉技术在深度学习的支持下取得了飞速的发展，吸引了众多研究者投身其中。成千上万的科研人员尽管关注的焦点各不相同，但是最终的目标是一样的：让技术为人服务，或者说解放生产力，或者说提高生活质量。既然技术是为人服务的，因此与“人”相关的研究就显得不可或缺。无论是在学术界还是产业界，与“人”相关的研究都起着主导作用。行人检测作为人类行为分析、步态识别、智能视频监控和自动驾驶等许多现实任务的第一步和最基本的一步，在过去的十几年中受到了广泛的关注。然而，尽管深度卷积神经网络(deepconvolutionalneuralnetworks,CNNs)在通用目标检测方面已经取得了很大的进展，得到了较好的效果，但是通用目标检测的重要分支之一的行人检测，却是一个长期以来难以解决的问题。从重要性来讲，行人检测是行人追踪、自动驾驶、安防监控等任务的前提。虽然只有“人”这一单一类别，但我们仍然面临很多挑战，比如检测场景的多样性，行人姿本文档来自技高网...

【技术保护点】
1.一种基于多尺度的行人检测方法，其特征在于，包括以下步骤：/n步骤1、获得行人数据集，行人数据集包括CityPersons行人数据集和Caltech行人数据集；/n步骤2、搭建行人检测模型，行人检测模块包括多尺度特征融合模型和RPN网络，行人检测模型具体如下：/n(1)构建多尺度特征融合模型，构建过程具体如下：/n将行人数据集输入至第一部分卷积网络，第一部分卷积网络、第二部分卷积网络、第三部分卷积网络、第四部分卷积网络和第五部分卷积网络是依次顺序连接的，其中，/n第一部分卷积网络，用于提取行人数据集的特征图fm1并将其输出至第二部分卷积网络；/n第二部分卷积网络，用于再次提取行人数据集的特征...

【技术特征摘要】
1.一种基于多尺度的行人检测方法，其特征在于，包括以下步骤：
步骤1、获得行人数据集，行人数据集包括CityPersons行人数据集和Caltech行人数据集；
步骤2、搭建行人检测模型，行人检测模块包括多尺度特征融合模型和RPN网络，行人检测模型具体如下：
(1)构建多尺度特征融合模型，构建过程具体如下：
将行人数据集输入至第一部分卷积网络，第一部分卷积网络、第二部分卷积网络、第三部分卷积网络、第四部分卷积网络和第五部分卷积网络是依次顺序连接的，其中，
第一部分卷积网络，用于提取行人数据集的特征图fm1并将其输出至第二部分卷积网络；
第二部分卷积网络，用于再次提取行人数据集的特征图fm2，并将特征图fm2输出至第三部分卷积网络；
第三部分卷积网络，用于对特征图fm2进行3个3×3的卷积层运算以及1个2×2的最大池化层处理，得到特征图fm3输入至第四部分卷积网络；
第四部分卷积网络，用于对fm3进行3个3×3的卷积层运算以及1个2×2的最大池化层处理，得到特征图fm4输入至第四层卷积网络；
第五部分卷积网络，用于对fm4进行3个3×3的卷积层运算以及1个2×2的最大池化层处理，得到特征图fm5；
将第五部分卷积网络得到的输出fm5先经过1×1卷积，改变fm5的通道数，得到的输出记为M5；
将M5通过2倍上采样，得到上采样后的M5；将fm4经过1×1卷积后得到的特征图与上采样后的M5相加，得到的结果记为M4；
M4通过2倍上采样，得到上采样后的M4；将fm3经过1×1卷积后得到的特征图与上采样后的M4相加，得到的结果记为M3；
将得到的M3通过4倍下采样得到的结果记为m3、M4通过2倍下采样得到的结果记为m4；
最后将m3、m4和M5相加输出结果特征图送入RPN网络；
(2)RPN网络用于通过多尺度感受的野滑窗生成候选区域；具体如下：
RPN网络，用于采用5种不同大小的滑动窗口来生成候选区域，分别通过1×1、3×3、5×5、7×7和9×9卷积实现，最后再将得到的不同感受野大小的候选区域形成的结果进行合并；
步骤3、在行人检测模型构建好的基础上，将行人数据集输入至行人检测模型中，具体方案如下：使用CityPersons行人数据集对搭建好的行人检测模型进行预训练，...

【专利技术属性】
技术研发人员：任健，邵文泽，李海波，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏;32