[发明专利]行人标志物识别方法及装置

权利要求书

1.一种行人标志物识别方法，其特征在于，所述方法包括：

对监控图像进行分割，获得若干ROI区域；

将监控图像输入Fast RCNN的ZF网络，获得所述监控图像的图像特征；

将所述ROI区域和图像特征作为输入，依次经ROI池化层、两个第一全连接层、ROI卷积层、第二全连接层以及RNN隐藏层，获得各ROI区域中待检测标志物的占比；

根据各ROI区域中所述待检测标志物的占比以及预设占比阈值，获得待检测标志物对应的区域标识；

将当前RNN隐藏层输出的各ROI区域中所述待检测标志物的占比作为下一RNN隐藏层的一个输入，并对当前获得的待检测标志物的区域标识分别进行粗粒度合并和细粒度合并，并将粗粒度合并后的区域标识与所述图像特征、细粒度合并后的区域标识与所述图像特征分别作为新的输入，依次经ROI池化层、两个第一全连接层、ROI卷积层、第二全连接层以及所述下一RNN隐藏层；

将每一RNN隐藏层输出的所述待检测标志物对应的区域标识输入至第三全连接层，学习获得所述待检测标志物对应的比例值，若所述比例值大于等于预设比例阈值，则判断存在该待检测标志物；

对于细粒度合并：单行或单列扫描时，则在扫描方向上合并相邻两个目标区域；多行扫描时，当多行ROI区域的同一列上的目标区域占比超过预设占比阈值，则合并该列；多列扫描时，当多列ROI区域的同一行上的目标区域占比超过预设占比阈值，则合并该行；

对于粗粒度合并：在细粒度合并的基础上，将细粒度合并区域前后两个非目标区域也合并，若在将细粒度合并区域与前后两个非目标区域合并之后，发现新的相邻目标区域，则合并该新的相邻目标区域；

其中，所述目标区域是存在所述待检测标志物的ROI区域，所述非目标区域是不存在所述待检测标志物的ROI区域；

所述比例值为经过第三全连接层输出的各ROI区域中待检测标志物的占比。

2.如权利要求1所述的行人标志物识别方法，其特征在于，所述将监控图像输入FastRCNN的ZF网络，获得所述监控图像的图像特征，具体包括：

将所述监控图像依次经所述ZF网络的前四个卷积层，获得所述监控图像的图像特征。

3.如权利要求1所述的行人标志物识别方法，其特征在于，所述RNN隐藏层包括代价函数，所述代价函数由当前RNN隐藏层的输出和标志物的真值比例而生成，且所述代价函数的输出用于反向传递给所述当前RNN隐藏层，所述真值比例是所述标志物的像素占比。

4.如权利要求1所述的行人标志物识别方法，其特征在于，所述待检测标志物对应的区域标识的获取过程包括：

当ROI区域中所述待检测标志物的占比超过预设占比阈值，则认为该ROI区域存在所述待检测标志物，该ROI区域被设定为预设标识值；否则，该ROI区域不存在所述待检测标志物，该ROI区域被设定为非所述预设标识值的另一值。

5.如权利要求4所述的行人标志物识别方法，其特征在于，所述细粒度合并和粗粒度合并包括：对各标志物的区域标识进行扫描，所述扫描包括交替进行的行扫描和列扫描，且所述行扫描的行数以及列扫描的列数是逐渐递增的；

每次行扫描或列扫描后的区域标识与所述图像特征作为新的输入，依次经ROI池化层、两个第一全连接层、ROI卷积层、第二全连接层以及RNN隐藏层，并将当前RNN隐藏层的输出作为下一次扫描的RNN隐藏层的一个输入，将当前RNN隐藏层的输出与预设占比阈值比较所获得的待检测标志物的区域标识作为下一次扫描的对象，将当前扫描后的区域标识与所述图像特征作为下一次新的输入，直至所述行扫描或列扫描的次数均为预设次数。