[发明专利]一种基于网格判断的快速目标检测方法

权利要求书

1.一种基于网格判断的快速目标检测方法，其特征在于，所述方法包括：

步骤1：将图像进行网格划分；

步骤2：提取网格区域的特征；

步骤3：对网格进行判断及合并，具体为：首先，根据事先训练的回归模型判断每个网格是否属于指定的目标对象，然后根据各个网格所属的对象类别，将网格合并组成初始对象窗口；

步骤4：利用边框回归方法对初始生成的对象窗口进行边框回归处理；

所述步骤3具体包括：

定义C类目标对象，则对于任一类别c∈{1,2,...,C}，每个网格G^t的标签y_c(G^t)为：

式(1)中，s(.)表示面积，即像素个数；B^c表示第c类的标注边框；y_c(G^t)＝1表示网格G^t属于目标c的内部，否则属于目标c的外部；

在给定数据集上已知图像标注的对象边框，按照式(1)得到每个网格的标签；设定损失函数为Softmax回归形式，则训练阶段损失函数为：

式(2)中，(w,θ)分别表示CNN网络参数和softmax参数；N表示训练样本个数，表示第k幅图像的第t个网格，1{.}表示为真假判断运算符，表示第k幅图像的第t个网格的特征，T为网格尺寸；通过随机梯度下降法可获得上述参数；在测试阶段得出各个网格是否属于指定的目标对象，然后根据各个网络所属的对象类别，将其合并组成初始对象窗口。

2.根据权利要求1所述的基于网格判断的快速目标检测方法，其特征在于，所述步骤1具体为：输入一张图片，对图像进行归一化处理，图像尺寸大小为W×H，然后将图像平均划分为T×T的网格，即每个网格G^t(t＝1,...,T²)大小为：W/T×H/T。

3.根据权利要求1所述的基于网格判断的快速目标检测方法，其特征在于，所述步骤2具体为：首先将归一化处理过的图像输入到卷积神经网络，在最后一个卷积层的响应谱上，每个网格区域内做最大池化操作，获得每个网格区域的特征。

4.根据权利要求1所述的基于网格判断的快速目标检测方法，其特征在于，所述步骤4具体包括：输入初始生成的对象边框的位置和大小，通过逻辑回归的方法训练模型对边框进行回归，预测真实检测框的位置和大小。