一种采用分支融合网络轻量化的车库行人检测方法及系统技术方案

本发明专利技术公开一种采用分支融合网络轻量化的车库行人检测方法，包括(1)采集车库行人图像；(2)对图像预处理，再用数据增强丰富样本信息获得训练样本；(3)主干网络引入分支融合网络，将主干网络每个阶段的特征在通道维度分离，1/N特征通过原模型支路，其余特征通过轻量化支路；(4)将相邻支路特征在特征维度相同的节点融合；(5)将分支路输出特征在通道维度拼接恢复通道数，并为通道分配权重，获得通道特征信息；(6)先在大数据集用恒定学习率训练，再在车库行人数据集用学习率衰减调整。本发明专利技术还公开一种采用分支融合网络轻量化的车库行人检测系统。本发明专利技术降低模型前向推理计算量，提升检测速度；在轻量化模型同时保持检测准确性。性。性。

【技术实现步骤摘要】
一种采用分支融合网络轻量化的车库行人检测方法及系统


[0001]本专利技术涉及一种检测方法及系统，尤其涉及一种采用分支融合网络轻量化的车库行人检测方法及系统。

技术介绍

[0002]智慧立体车库实现了无人化，即车位预定、车牌识别和车位升降均由系统自动处理完成。其中，车位升降时需确保车位上没有行人停留时才能执行，因此需要进行车库行人检测以杜绝安全隐患。
[0003]车库行人检测是目标检测的一个分支。较早的目标检测算法包括利用滑动窗口产生候选区域再进行CNN分类的二阶段算法，如R
‑
CNN系列等。还有对输入图像进行端到端检测直接输出定位和类别的一阶段算法，如SSD和YOLO系列。R
‑
CNN系列虽然具有一定的准确率保障，但是其检测速度慢，模型庞大，不适用于对目标检测实时性要求较高的场合。而YOLO系列，包括YOLOv1，YOLOV2，YOLOv3虽然检测速度较快，但受限于检测精度，也较少直接被用于工业现场。相较而言，早期工业现场一般选用SSD，它对速度和精度有一个较好的平衡。但是，日渐复杂的检测任务和对模本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种采用分支融合网络轻量化的车库行人检测方法，其特征在于：包括以下步骤：(1)采集车库行人图像，建立车库行人数据集；(2)先对车库行人数据集中的图像预处理，再利用数据增强丰富样本信息，获得训练样本；(3)检测模型的主干网络中引入分支数为N的分支融合网络，分支结构将主干网络中每个阶段的特征在通道维度上分离，1/N的特征通过原模型支路，(N
‑
1)/N的特征通过轻量化支路；(4)在分支融合网络中，将相邻支路的特征在特征维度相同的节点融合，并在支路中使用跳跃连接；(5)每个阶段结束前，将分支融合网络各支路输出的特征在通道维度上拼接，恢复通道数，并利用注意力机制为每个通道分配权重参数，获得通道的有效特征信息；(6)检测模型先在大数据集上用学习率恒定的方式训练，再在车库行人数据集上用学习率衰减的方式调整。2.根据权利要求1所述的采用分支融合网络轻量化的车库行人检测方法，其特征在于：所述步骤(2)中，图像预测处理包括图像尺寸裁剪、水平翻转和标准化处理；数据增强包括以下步骤：(21)获取统一尺寸后的图像长宽，利用逐像素点填充生成一张新的图像；(22)利用索引和随机抽样的方式从车库行人数据集中抽取4张图像，随机截取4张图像的局部区域分别填充至新图像的左上、右上、左下、右下4个区域，组成复合图像；(23)根据截取图像在新图像中的位置，转换每张图像中的坐标至新图像，并获得相应的标签；(24)将新图像和新标签打包作为一个新的训练样本。3.根据权利要求1所述的采用分支融合网络轻量化的车库行人检测方法，其特征在于：所述步骤(3)中包括以下步骤：(31)根据输出特征图的分辨率和通道数将主干网络划分为X个阶段，X≥2，每个阶段包含Y个卷积层，Y≥2；(32)将每个阶段的输入特征在通道维度上N等分，N≥2为分支数，获得每条支路的输入特征；(33)设置第一条支路为结构不变的原模型支路，调整该支路中各卷积层的输入和输出特征均为原来的1/N，其余N
‑
1条支路仅包含一个深度可分离卷积层。4.根据权利要求1所述的采用分支融合网络轻量化的车库行人检测方法，其特征在于：所述步骤(4)中包括以下步骤：(41)设置卷积层参数使得相邻支路在对应节点上的特征维度相同；(42)将相邻支路在对应节点上的特征逐点相加，并通过一个卷积层特征融合。5.根据权利要求1所述的采用分支融合网络轻量化的车库行人检测方法，其特征在于：所述步骤(5)中包括以下步骤：(51)将拼接后的特征全局池化，特征维度变为1
×1×
C，C为通道数；(52)将1
×1×
C的特征向量经过一个全连接层通道压缩，并用ReLU激活函数非线性化；(53)将压缩后的特征经过一个全连接层扩张通道数至C，再用Sigmoid函数获得通道的
权重信息；(54)将权重与拼接后的特征相乘；得到通道加权后的特征。6.根据权利要求1所述...

【专利技术属性】
技术研发人员：牛丹，李永胜，黄科伟，许子恒，王思敏，丁力，吴昊，
申请(专利权)人：江苏聚力智能机械股份有限公司南京云牛智能科技有限公司，
类型：发明
国别省市：