基于深度学习的梯度直方图目标检测方法、装置、存储介质及嵌入式设备制造方法及图纸

本申请实施例公开了一种基于深度学习的梯度直方图目标检测方法、装置、存储介质及嵌入式设备，涉及图像处理领域。本申请利用预训练的轻量化模型对输入图片快速检测，输出初步结果。置信度高于第一阈值时直接输出结果，低于第二阈值时判定无目标，介于两者间则进入下一步。根据检测框分辨率，从候选集选择适配的HOG算子，生成匹配分辨率的滑动窗口，局部提取ROI区域的HOG特征。利用预训练分类器对ROI特征检测，合并有效结果后通过非极大值抑制消除冗余，输出最终目标检测结果。本技术方案兼顾准确性与低资源消耗，适用于边缘设备实时检测。

【技术实现步骤摘要】

本申请涉及图像处理领域，尤其涉及一种基于深度学习的梯度直方图目标检测方法、装置、存储介质及嵌入式设备。

技术介绍

1、目标检测技术占据着至关重要的地位，尤其在行人检测、车辆检测等实际应用场景中，发挥着不可替代的作用。在行人检测方面，随着智能安防系统的广泛应用，如商场、车站、小区等公共场所的安全监控，需要实时准确地检测出画面中的行人，以便及时发现异常行为、统计人流数量等。在车辆检测领域，智能交通系统的发展对车辆检测技术提出了更高要求，例如交通流量监测、车辆违规行为识别、自动驾驶中的环境感知等，都依赖于精确且高效的目标检测算法来实时定位和识别道路上的各类车辆。

2、现有的目标检测算法主要基于分类器和深度神经网络实现。分类器通过对大量标注数据进行学习，提取目标的特征信息，从而实现对目标的分类识别；深度神经网络则凭借其强大的特征学习和表示能力，能够自动从数据中学习到多层次的特征，进一步提升目标检测的准确性。这些算法在一定程度上取得了良好的检测效果，为众多应用场景提供了技术支持。

3、然而，这些现有的目标检测算法存在一个显著的缺陷，即需要耗费本文档来自技高网...

【技术保护点】

1.一种基于深度学习的梯度直方图目标检测方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述利用预训练的轻量化神经网络模型对输入图片进行检测后输出初步检测结果之前，还包括：

3.根据权利要求2所述的方法，其特征在于，所述将推理框进行扩展得到扩展框，包括：

4.根据权利要求2或3所述的方法，其特征在于，所述对所述正样本训练集中的各个正样本图片进行标注处理，包括：

5.根据权利要求2或3所述的方法，其特征在于，所述依次从所述第一HOG算子候选集中选择一个HOG算子，根据选择的HOG算子对各个正样本图片中标注的真实框进行缩放，...

【技术特征摘要】

1.一种基于深度学习的梯度直方图目标检测方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述利用预训练的轻量化神经网络模型对输入图片进行检测后输出初步检测结果之前，还包括：

3.根据权利要求2所述的方法，其特征在于，所述将推理框进行扩展得到扩展框，包括：

4.根据权利要求2或3所述的方法，其特征在于，所述对所述正样本训练集中的各个正样本图片进行标注处理，包括：

5.根据权利要求2或3所述的方法，其特征在于，所述依次从所述第一hog算子候选集中选择一个hog算子，根据选择的hog算子对各个正样本图片中标注的真实框进行缩放，包括：

6.根据权利要求5所述的方法，其特征在于，所述依次从所述第一hog算子候选集中选择一个hog算子，根据选择的ho...

【专利技术属性】
技术研发人员：汪林玉，汪林霞，赖鑫，郭超，魏钦超，
申请(专利权)人：湖南科技职业学院，
类型：发明
国别省市：