[发明专利]使用高斯惩罚检测图像中行人的方法

说明书

本发明公布了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：获取行人检测图像的训练数据集、测试数据集和行人标注；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及其置信度和坐标；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。本发明能够显著降低行人检测的漏检率，提高遮挡行人的检出率。

技术领域

本发明属于信息技术领域，涉及计算机视觉，模式识别等技术，具体涉及使用高斯惩罚的方式进行行人边界框的筛选，从而检测图像中行人的方法。

背景技术

行人检测即判断输入的图像或视频中是否出现行人，并确定其位置。近年来，随着计算机视觉领域飞速发展，计算机视觉技术在智能驾驶，智能视频监控和机器人领域得到大量地应用。行人检测作为保障汽车、行人安全的一种主动安全手段，具有提高驾驶安全性、保障行人生命财产安全的重要意义和实用价值。因此行人检测技术在计算机视觉领域占据着不可比拟的重要地位。

由于行人间的相互遮挡或者行人与其他物体之间的遮挡，造成被遮挡行人在图片或者视频中只有局部的信息，因此行人检测目前所面临的一个主要的挑战是遮挡行人。目前主流的方法首先在图像中检测到足够多的边界框，并对每个边界框生成一个置信度。之后对初步生成的边界框进一步的筛选，获得最后的检测结果。普遍的筛选方法是依据置信度的高低和重叠度大小按照非极大值抑制的策略将重复边界框直接删除。但是这种筛选方法忽略了对遮挡行人的处理。在人群密集的区域，由于行人间的相互遮挡，对多个边界框的直接删除也去除了被遮挡行人的边界框。使得对遮挡行人的检测效果表现不佳。

发明内容

为了克服现有技术的不足，本发明提供一种使用高斯惩罚的边界框筛选方法，能够显著提升行人检测的性能，尤其是对遮挡行人的检测。

本发明提供的技术方案是：

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)获取训练数据、测试数据及行人数据标签；

本发明实施例从加州理工大学公开的行人数据集(Caltech)分别得到训练数据和测试数据，训练样本或测试样本均有行人的标注，标注的方式是使用矩形框代表行人的位置，矩形框使用在图像中的左上角和右下角的坐标来表示。即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。

2)训练模型并检测，获取初步的行人边界框及其置信度和坐标；

使用行人检测方法(现有方法如Faster RCNN)在训练集上训练得到检测模型。使用检测模型在测试数据集上分类定位行人的位置，获得初步的行人边界框及其置信度和坐标。

3)对边界框的置信度进行高斯惩罚，通过行人边界框筛选得到最终的行人边界框，由此实现对图像中行人的检测；包括如下步骤：

31)可依据边界框之间重叠度的大小对初步的行人边界框进行分类；

具体地，本发明对初步的行人边界框的分类包括：行人边界框之间完全没有重叠、单个行人边界框、遮挡行人间的边界框。

32)针对不同种类的初步的行人边界框，对边界框的置信度进行不同程度的惩罚，得到惩罚后的行人边界框置信度；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；具体为：

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；