一种基于模型优化的轻量化夜间红外图像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基于模型优化的轻量化夜间红外图像行人检测方法及系统，其中，所述方法包括：获得第一红外图像数据集；依据第一数据剔除方法对第一红外图像数据集进行数据剔除，获得第二红外图像数据集；对第二红外图像数据集进行姿态特征提取，并进行姿态扩充，获得第三红外图像数据集；构建具有第一骨干网络与第一多尺度融合特征的第一夜间红外行人检测模型，以第三红外图像数据集作为训练数据，将第一图像信息输入至第一夜间红外行人检测模型，获得第一行人检测结果；依据第一行人检测结果对车辆行驶过程进行行人预警。解决了现有技术中基于深度学习的行人检测方法存在夜间小目标行人检测困难、模型检测速度慢、模型较大的技术问题。

【技术实现步骤摘要】
一种基于模型优化的轻量化夜间红外图像行人检测方法及系统
本专利技术涉及计算机视觉领域，尤其涉及一种基于模型优化的轻量化夜间红外图像行人检测方法及系统。
技术介绍
由于红外热成像技术成像不受光线条件的限制，具有全天候成像的特点，因此夜间红外图像行人检测技术成为了当下机器视觉领域的研究热点之一，在辅助驾驶中具有重要的应用，能有效避免夜间交通事故的发生。目前基于深度学习的行人检测方法仍然存在诸多不足，且随着驾驶场景逐步复杂，行人检测更是面临着行人姿态特征多变、复杂环境导致行人特征丢失、对网络模型实时性要求较高等挑战。本申请专利技术人在实现本申请实施例中专利技术技术方案的过程中，发现上述技术至少存在如下技术问题：基于深度学习的行人检测方法存在夜间小目标行人检测困难、模型检测速度慢、模型较大。
技术实现思路
本申请实施例通过提供一种基于模型优化的轻量化夜间红外图像行人检测方法及系统，解决了现有技术基于深度学习的行人检测方法存在夜间小目标行人检测困难、模型检测速度慢、模型较大的技术问题，实现了通过对图像数据集进行本文档来自技高网...

【技术保护点】
1.一种基于模型优化的轻量化夜间红外图像行人检测方法，其中，所述方法包括：/n获得第一红外图像数据集；/n获得第一数据剔除方法，其中所述第一数据剔除方法包括第一方法与第二方法，其中，所述第一方法为稀疏化处理，所述第二方法为数据降维；/n依据所述第一数据剔除方法对所述第一红外图像数据集进行数据剔除，获得第二红外图像数据集；/n将所述第二红外图像数据集输入至第一图像处理模型进行姿态特征提取，获得第一扩充姿态数据；/n将所述第一扩充姿态数据与所述第二红外图像数据集进行数据整合，获得第三红外图像数据集；/n构建第一夜间红外行人检测模型，其中，所述第一夜间红外行人检测模型具有第一骨干网络与第一多尺度融合...

【技术特征摘要】
1.一种基于模型优化的轻量化夜间红外图像行人检测方法，其中，所述方法包括：
获得第一红外图像数据集；
获得第一数据剔除方法，其中所述第一数据剔除方法包括第一方法与第二方法，其中，所述第一方法为稀疏化处理，所述第二方法为数据降维；
依据所述第一数据剔除方法对所述第一红外图像数据集进行数据剔除，获得第二红外图像数据集；
将所述第二红外图像数据集输入至第一图像处理模型进行姿态特征提取，获得第一扩充姿态数据；
将所述第一扩充姿态数据与所述第二红外图像数据集进行数据整合，获得第三红外图像数据集；
构建第一夜间红外行人检测模型，其中，所述第一夜间红外行人检测模型具有第一骨干网络与第一多尺度融合特征；
以所述第三红外图像数据集作为训练数据，将第一图像信息输入至所述第一夜间红外行人检测模型，获得第一行人检测结果；
依据所述第一行人检测结果判断是否存在第一预警信息；
若存在所述第一预警信息，将所述第一预警信息发送至第一车辆。


2.如权利要求1所述的方法，其中，所述依据所述第一数据剔除方法对所述第一红外图像数据集进行数据剔除，还包括：
获得第一稀疏化红外图像数据集，其中，所述第一稀疏化红外图像数据集为依据所述第一方法对所述第一红外图像数据集进行数据剔除的图像数据集；
对所述第一稀疏化红外图像数据集进行特征提取，获得第一特征数据集；
对所述第一特征数据集进行中心化处理，获得第二特征数据集；
获得所述第二特征数据集的第一协方差矩阵；
对所述第一协方差矩阵进行运算，获得所述第一协方差矩阵的第一特征值和第一特征向量；
将所述第一特征数据集投影到所述第一特征向量，获得第一降维数据集，其中所述第一降维数据集为所述第一特征数据集降维之后获得的特征数据集；
依据所述第一降维数据集获得所述第二红外图像数据集。


3.如权利要求1所述的方法，其中，所述方法包括：
由所述第一图像处理模型对所述第二红外图像数据集进行姿态特征提取，获得第一提取姿态类别；
获得所述第一提取姿态类别的各姿态数量；
对所述各姿态数量进行数量分布分析，获得第一扩充姿态类别，其中，所述第一扩充姿态类别的姿态数量低于第一阈值；
依据所述第一扩充姿态类别构建第一扩充姿态特征数据库，从而获得所述第一扩充姿态数据。


4.如权利要求3所述的方法，其中，所述方法还包括：
依据所述第一阈值获得所述第一扩充姿态数据的第一扩充姿态量；
由所述第一扩充姿态数据获得第一扩充姿态特征集；
依据所述第一扩充姿态量将所述第一扩充姿态特征集整合至所述第二红外图像数据集，获得所述第三红外图像数据集。


5.如权利要求1所述的方法，其中，所述方法包括：
获得第一数据更新时间节点；
在所述第一数据更新时间节点对所述第一红外图像数据集进行数据更新，并对获取时间不满足第二阈值的图像数据进行剔除，获得第一增量红外图像数据集；
对所述第一增量学习图像数据集进行数据处理，获得第四红外图像数据集；
以所述第四红外图像数...

【专利技术属性】
技术研发人员：何自芬，黄俊璇，张印辉，朱守业，陈俊松，
申请(专利权)人：昆明理工大学，
类型：发明
国别省市：云南;53