基于注意力机制的小尺寸人头检测方法及相关设备技术

本公开提供了一种基于注意力机制的小尺寸人头检测方法及相关设备，涉及计算机图像领域。该方法包括，将目标图像输入预先训练好的第一神经网络，输出热力图，其中，热力图反映人头所在位置；将目标图像输入第二神经网络，输出特征图；将热力图与特征图特征融合，确定加权特征图；将加权特征图输入预先训练好的第三神经网络，输出多个检测框；根据热力图中得分大于预设阈值的坐标，确定多个检测框中坐标得分最大的检测框为检测结果。本公开通过第一神经网络热力图对人头所在位置进行预测，并与第二神经网络特征图融合实现注意力机制，能够提高小尺寸人头检测准确度。高小尺寸人头检测准确度。高小尺寸人头检测准确度。

【技术实现步骤摘要】
基于注意力机制的小尺寸人头检测方法及相关设备


[0001]本公开涉及计算机图像领域，尤其涉及一种基于注意力机制的小尺寸人头检测方法及相关设备。

技术介绍

[0002]目前基于视频图像和目标检测等算法的自动化监测系统已经广泛应用于生活中的多个领域。在目标检测任务中，首先需要现场采集或者网络搜集大量真实场景的图片数据，人工对收集到的图片数据进行标注，然后将收集到的数据输入神经网络，针对需要完成的任务对神经网络进行训练，最终将需要预测的图片输入训练好的网络模型中，将模型的输出进行一系列的操作以解析模型参数形成可视化的检测框结果。
[0003]现有技术中，在部分特殊场景如目标较小时如工地安全帽场景下，常用的检测算法会对小尺寸的目标无法进行精准的识别。
[0004]需要说明的是，在上述
技术介绍
部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

技术实现思路

[0005]本公开提供一种基于注意力机制的小尺寸人头检测方法及相关设备，至少在一定程度上克服由于相关技术中小尺寸人头检测不准确的问题。
[0006]本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。
[0007]根据本公开的一个方面，提供了一种基于注意力机制的小尺寸人头检测方法，包括：将目标图像输入预先训练好的第一神经网络，输出热力图，其中，所述热力图反映人头所在位置；将目标图像输入第二神经网络，输出特征图；将所述热力图与所述特征图特征融合，确定加权特征图；将所述加权特征图输入预先训练好的第三神经网络，输出多个检测框，其中，检测框的中心点在人头区域中心；根据所述热力图中得分大于预设阈值的坐标，确定多个检测框中坐标得分最大的检测框为检测结果。
[0008]在一些实施例中，所述预先训练好的第一神经网络包括：获取目标图像；将所述目标图像中人头进行矩形框标注，确定标注框，其中，标注框包括坐标信息且标注框的中心对应人头区域中心；根据所述目标图像输入第一神经网络后的输出，确定热力图；根据所述矩形框标注的中心点，确定真值热力图；根据热力图和真值热力图，训练第一神经网络。
[0009]在一些实施例中，所述将目标图像输入第二神经网络，输出特征图包括：将目标图像输入第二神经网络，输出与所述热力图尺寸相同的特征图。
[0010]在一些实施例中，所述预先训练好的第三神经网络包括：将所述特征图与热力图通过加权进行特征融合，确定加权特征图；根据所述加权特征图，训练第三神经网络。
[0011]在一些实施例中，将所述特征图与热力图通过加权进行特征融合，确定加权特征图包括：将所述热力图分别与每个通道上的特征图逐点相乘，对每一个通道上的特征图进
行加权，确定加权特征图，其中，热力图包括一个通道，特征图包括至少一个通道。
[0012]在一些实施例中，所述方法还包括：根据反向传播算法，更新第二神经网络、第三神经网络的参数。
[0013]在一些实施例中，所述方法还包括：第一神经网络部署在第一线程；第二神经网络、第三神经网络部署在第二线程。
[0014]根据本公开的另一个方面，还提供了一种基于注意力机制的小尺寸人头检测装置，包括：第一神经网络模块，用于将目标图像输入预先训练好的第一神经网络，输出热力图，其中，所述热力图反映人头所在位置；第二神经网络模块，用于将目标图像输入第二神经网络，输出特征图；特征融合模块，用于将所述热力图与所述特征图特征融合，确定加权特征图；第三神经网络模块，用于将所述加权特征图输入预先训练好的第三神经网络，输出多个检测框；检测结果确定模块，用于根据所述热力图中得分大于预设阈值的坐标，确定多个检测框中坐标得分最大的检测框为检测结果。
[0015]根据本公开的另一个方面，还提供了一种电子设备，该电子设备包括：处理器；以及存储器，用于存储所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行上述任意一项所述的基于注意力机制的小尺寸人头检测方法。
[0016]根据本公开的另一个方面，还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一项所述的基于注意力机制的小尺寸人头检测方法。
[0017]根据本公开的另一个方面，还提供了一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现上述任意一项的基于注意力机制的小尺寸人头检测方法。
[0018]本公开的实施例中提供的基于注意力机制的小尺寸人头检测方法及相关设备，将目标图像输入预先训练好的第一神经网络，输出热力图，其中，热力图反映人头所在位置；将目标图像输入第二神经网络，输出特征图；将热力图与特征图特征融合，确定加权特征图；将加权特征图输入预先训练好的第三神经网络，输出多个检测框；根据热力图中得分大于预设阈值的坐标，确定多个检测框中坐标得分最大的检测框为检测结果。本公开实施例中，由于第一神经网络热力图对人头所在位置进行预测，并与第二神经网络特征图融合实现注意力机制，能够获得更加准确的人头边界框，从而有助于小尺寸人头检测准确度的提高。
[0019]应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
[0020]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0021]图1示出本公开实施例中一种基于注意力机制的小尺寸人头检测系统结构的示意图；
[0022]图2示出本公开实施例中另一种基于注意力机制的小尺寸人头检测方法流程图；
[0023]图3示出本公开实施例中再一种基于注意力机制的小尺寸人头检测方法流程图；
[0024]图4示出本公开实施例中另外一种基于注意力机制的小尺寸人头检测方法流程图；
[0025]图5示出本公开实施例中另一种基于注意力机制的小尺寸人头检测方法流程图；
[0026]图6示出本公开实施例中一种基于注意力机制的小尺寸人头检测方法的整体训练示意图；
[0027]图7示出本公开实施例中一种基于注意力机制的小尺寸人头检测方法的辅助网络训练示意图；
[0028]图8示出本公开实施例中一种基于注意力机制的小尺寸人头检测装置示意图；
[0029]图9示出本公开实施例中一种计算机设备的结构框图；
[0030]图10示出本公开实施例中一种计算机可读存储介质的示意图。
具体实施方式
[0031]现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于注意力机制的小尺寸人头检测方法，其特征在于，包括：将目标图像输入预先训练好的第一神经网络，输出热力图，其中，所述热力图反映人头所在位置；将目标图像输入第二神经网络，输出特征图；将所述热力图与所述特征图特征融合，确定加权特征图；将所述加权特征图输入预先训练好的第三神经网络，输出多个检测框；根据所述热力图中得分大于预设阈值的坐标，确定多个检测框中坐标得分最大的检测框为检测结果。2.根据权利要求1所述的基于注意力机制的小尺寸人头检测方法，其特征在于，所述预先训练好的第一神经网络包括：获取目标图像；将所述目标图像中人头进行矩形框标注，确定标注框，其中，标注框包括坐标信息且标注框的中心对应人头区域中心；根据所述目标图像输入第一神经网络后的输出，确定热力图；根据所述矩形框标注的中心点，确定真值热力图；根据热力图和真值热力图，训练第一神经网络。3.根据权利要求1所述的基于注意力机制的小尺寸人头检测方法，其特征在于，所述将目标图像输入第二神经网络，输出特征图包括：将目标图像输入第二神经网络，输出与所述热力图尺寸相同的特征图。4.根据权利要求1所述的基于注意力机制的小尺寸人头检测方法，其特征在于，所述预先训练好的第三神经网络包括：将所述特征图与热力图通过加权进行特征融合，确定加权特征图；根据所述加权特征图，训练第三神经网络。5.根据权利要求4所述的基于注意力机制的小尺寸人头检测方法，其特征在于，将所述特征图与热力图通过加权进行特征融合，确定加权特征图包括：将所述热力图分别与每个通道上的特...

【专利技术属性】
技术研发人员：宋天源，杨静林，李永翔，
申请(专利权)人：中国电信股份有限公司，
类型：发明
国别省市：