【技术实现步骤摘要】
本专利技术涉及计算机视觉，特别是涉及一种基于改进ssd算法的轻量级行人检测方法、系统、设备及介质。
技术介绍
1、行人检测技术是计算机视觉领域中的一个重要研究方向，广泛应用于智能交通系统、智能安防监控、智能机器人以及人流量监测等领域。传统的行人检测方法依赖于手工设计的特征和复杂的图像处理技术，但这些方法在处理遮挡、尺度变化以及小目标行人等复杂场景时存在检测精度低和实时性差的问题。随着深度学习技术的发展，基于深度学习的方法在行人检测上取得了显著的进展，但现有方法往往需要大量的计算资源，难以在资源受限的设备上部署。
技术实现思路
1、本专利技术的目的是提供一种基于改进ssd算法的轻量级行人检测方法、系统、设备及介质，能够提高检测精度和实时性，并实现在资源受限设备上的高效部署。
2、为实现上述目的，本专利技术提供了如下方案：
3、一种基于改进ssd算法的轻量级行人检测方法，包括：
4、获取目标输入图像；
5、利用轻量级行人检测模型对所述目标输入图像进行检测，得到行人识别结果；所述轻量级行人检测模型是以mobilenetv3-small作为基础网络，并结合se和ca注意力机制，以及改进ssd算法构建的；所述改进ssd算法采用在基础卷积网络后添加附加卷积层的方式进一步提取特征信息。
6、可选地，所述轻量级行人检测模型的构建方法为：
7、s1、主干网络构建：选择mobilenetv3-small作为基础网络，通过引入se和
8、s2、图像尺寸调整：将输入图像尺寸从原始的224×224调整至300×300；
9、s3、空洞卷积模块应用：使用空洞卷积模块替代基础网络中的第一层普通卷积层；所述空洞卷积模块为空洞率为(1，2)的膨胀卷积层；
10、s4、ca注意力机制集成：在bneck块中引入coordinateattention机制；
11、s5、跨层跳跃连接设计：根据bneck层的特征尺寸和通道，设计轻量级跨层跳跃模块，并引入eca注意力机制；
12、s6、锚框定制化优化：基于anchor机制重新设计锚框，采用三种设定的宽高比，并调整特征图上的最小先验框尺寸；
13、s7、后端网络轻量化设计：对ssd算法的后端网络进行改进，使用1×1卷积提维，3×3逐通道卷积进行特征学习，1×1逐点卷积降维与信息交融；
14、s8、eca注意力机制与h-swish激活函数应用：在额外层中引入eca注意力机制和h-swish激活函数；
15、s9、轻量级行人检测模型构建：替换原主干网络vgg16，裁剪mnetv3-smallv2网络，保留关键特征提取模块，构建轻量级行人检测模型；
16、s10、实验验证与性能评估：在caltech行人数据集上进行实验验证，评估模型的map、fps等性能指标。
17、可选地，所述s3中空洞卷积模块应用的方式为：在dilated convolution块中第一个3×3的卷积层中填充为1，卷积步长为2，膨胀率为1；第二个3×3卷积层中填充为2，卷积步长为1，膨胀率为2。
18、可选地，所述s4中ca注意力机制集成的方法为：通过计算输入特征图的横向和纵向坐标的全局平均池化，生成位置权重，然后结合这些权重和原始特征图，增强特征表示。
19、可选地，所述s7中后端网络轻量化设计的过程为：在额外层中先使用1×1卷积层进行提维，之后使用3×3逐通道卷积替换普通卷积层，并在第二额外层引入eca注意力机制和h-swish激活函数，最后使用1×1逐点卷积进行降维。
20、本专利技术还提供了一种基于改进ssd算法的轻量级行人检测系统，包括：
21、图像采集模块，用于获取目标输入图像；
22、图像检测模块，用于利用轻量级行人检测模型对所述目标输入图像进行检测，得到行人识别结果；所述轻量级行人检测模型是以mobilenetv3-small作为基础网络，并结合se和ca注意力机制，以及改进ssd算法构建的；所述改进ssd算法采用在基础卷积网络后添加附加卷积层的方式进一步提取特征信息。
23、本专利技术还提供了一种电子设备，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行根据上述的基于改进ssd算法的轻量级行人检测方法。
24、本专利技术还提供了一种计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的基于改进ssd算法的轻量级行人检测方法。
25、根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：
26、本专利技术公开了一种基于改进ssd算法的轻量级行人检测方法、系统、设备及介质，所述方法包括利用轻量级行人检测模型对获取的目标输入图像进行检测，得到行人识别结果；所述轻量级行人检测模型是以mobilenetv3-small作为基础网络，并结合se和ca注意力机制，以及改进ssd算法构建的；所述改进ssd算法采用在基础卷积网络后添加附加卷积层的方式进一步提取特征信息。本专利技术能够提高检测精度和实时性，并实现在资源受限设备上的高效部署。
本文档来自技高网...【技术保护点】
1.一种基于改进SSD算法的轻量级行人检测方法，其特征在于，包括：
2.根据权利要求1所述的基于改进SSD算法的轻量级行人检测方法，其特征在于，所述轻量级行人检测模型的构建方法为：
3.根据权利要求2所述的基于改进SSD算法的轻量级行人检测方法，其特征在于，所述S3中空洞卷积模块应用的方式为：在Dilated Convolution块中第一个3×3的卷积层中填充为1，卷积步长为2，膨胀率为1；第二个3×3卷积层中填充为2，卷积步长为1，膨胀率为2。
4.根据权利要求2所述的基于改进SSD算法的轻量级行人检测方法，其特征在于，所述S4中CA注意力机制集成的方法为：通过计算输入特征图的横向和纵向坐标的全局平均池化，生成位置权重，然后结合这些权重和原始特征图，增强特征表示。
5.根据权利要求2所述的基于改进SSD算法的轻量级行人检测方法，其特征在于，所述S7中后端网络轻量化设计的过程为：在额外层中先使用1×1卷积层进行提维，之后使用3×3逐通道卷积替换普通卷积层，并在第二额外层引入ECA注意力机制和H-Swish激活函数，最后使用1×1逐
6.一种基于改进SSD算法的轻量级行人检测系统，其特征在于，包括：
7.一种电子设备，其特征在于，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行根据权利要求1-5中任一项所述的基于改进SSD算法的轻量级行人检测方法。
8.一种计算机可读存储介质，其特征在于，其存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-5中任一项所述的基于改进SSD算法的轻量级行人检测方法。
...【技术特征摘要】
1.一种基于改进ssd算法的轻量级行人检测方法，其特征在于，包括：
2.根据权利要求1所述的基于改进ssd算法的轻量级行人检测方法，其特征在于，所述轻量级行人检测模型的构建方法为：
3.根据权利要求2所述的基于改进ssd算法的轻量级行人检测方法，其特征在于，所述s3中空洞卷积模块应用的方式为：在dilated convolution块中第一个3×3的卷积层中填充为1，卷积步长为2，膨胀率为1；第二个3×3卷积层中填充为2，卷积步长为1，膨胀率为2。
4.根据权利要求2所述的基于改进ssd算法的轻量级行人检测方法，其特征在于，所述s4中ca注意力机制集成的方法为：通过计算输入特征图的横向和纵向坐标的全局平均池化，生成位置权重，然后结合这些权重和原始特征图，增强特征表示。
5.根据权利要...
【专利技术属性】
技术研发人员：王慧娟，袁全波，刘旭，刘朋，李建义，杨鹏，
申请(专利权)人：北华航天工业学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。