[发明专利]使用高斯惩罚检测图像中行人的方法

权利要求书

1.一种使用高斯惩罚检测图像中行人的方法，在行人检测过程中，使用高斯惩罚对获得的初步行人边界框进行筛选，从而提升对图像中行人尤其是遮挡行人的检测性能；包括如下步骤：

1)获取行人检测图像的训练数据集、测试数据集和行人标注；

2)使用行人检测方法用训练数据集训练得到检测模型，获取初步的行人边界框的坐标及其置信度(score)；

3)对行人边界框的置信度进行高斯惩罚，得到惩罚后的行人边界框置信度；通过行人边界框筛选得到最终的行人边界框，从而达到去除单个行人的重复边界框，而保留被遮挡行人的边界框的目的，由此实现对图像中行人的检测；包括如下步骤：

31)对于每一幅图像，根据置信度对边界框进行排序，选择置信度最大的边界框M；

32)通过式1计算其他每一个边界框bbox_i与边界框M的重叠度IoU(M,bbox_i)：

其中，area(M∩bbox_i)是边界框bbox_i与M的区域交集，area(M∪bbox_i)是边界框bbox_i与M的区域并集；

通过式3对边界框的置信度进行惩罚，得到惩罚后的行人边界框置信度：

其中，e为自然对数，σ是方差；score_i为初始边界框的置信度；S_i为边界框bbox_i惩罚后的置信度；IoU(M,bbox_i)是边界框bbox_i与M的重叠度；

33)设置置信度阈值，对每张图像，将惩罚后的置信度大于所设置的置信度阈值的行人边界框，作为最终检测结果；由此检测得到图像中的行人。

2.如权利要求1所述方法，其特征是，步骤1)具体从行人数据集Caltech中分别得到训练数据和测试数据，所述训练数据和测试数据均有行人标注，所述行人标注采用矩形框在图像中的左上角和右下角的坐标来表示行人在图像中的位置。

3.如权利要求1所述方法，其特征是，步骤2)具体采用文献[1](S.Ren,K.He,R.Girshick,and J.Sun,“Faster R-CNN:Towards Real-Time Object Detection withRegion Proposal Networks,”，TPAMI(2016))记载的检测模型Faster RCNN进行训练，利用训练数据集的图像对Faster RCNN神经网络的全连接层进行微调；将训练图像和标注信息输入Faster RCNN神经网络中，通过反向传播算法将模型检测和标注之间的差异损失回馈到模型中，并调整网络模型的参数；在训练数据集上多次迭代后，获得行人检测模型；再将测试数据集输入行人的检测模型，对行人的位置进行分类和定位，由此获得初步的行人边界框及其置信度和坐标。

4.如权利要求1所述方法，其特征是，步骤33)设置置信度阈值为0.5。

5.如权利要求1所述方法，其特征是，步骤2)所述获取的初步的行人边界框类别包括：行人边界框之间完全没有重叠的边界框、单个行人边界框、遮挡行人间的边界框。