[发明专利]一种实时行人检测方法及神经网络、目标检测层

权利要求书

1.一种实时行人检测方法，其特征在于，根据视频中行人的尺寸自动对视频帧进行分割，在单幅视频帧上进行单次迭代，输出行人目标框及行人置信度分数；包括如下步骤：

确定算法中网络接收视频的默认分辨率：H_d×W_d×3，其中H_d、W_d分别指图像的高度和宽度，3指图像包含的色彩通道数；

读取当前帧I，分辨率为H×W×3；

根据缩放因子z的值，决定当前帧I的分割块数B；

根据缩放因子z和分割块数B，调整当前帧I的尺寸为H'×W'；

归一化调整尺寸后的帧中各像素值；

分割归一化后的帧为B个子图像；

将当前帧分割得到的子图像按照(B,H_d,W_d,3)的维度排列，进行特征提取，并得到特征图的行人目标框坐标和该框对应的置信度；

从目标框中筛选有效框，保留的目标框及其对应的行人类别置信度即可作为行人检测的输出结果；

计算当前帧中检测到的所有行人的平均高度H_ped，并设定最低和最高阈值H_{θ_min}和H_{θ_max}，若H_pedH_{θ_min}，则将缩放因子z增加1，若H_pedH_{θ_max}，则将缩放因子z减少1，其它情况则保持缩放因子不变；重复检测下一帧视频，直至整段视频检测完毕。

2.根据权利要求1所述的实时行人检测方法，其特征在于，所述确定当前帧I的分割块数B的具体方法为：

3.根据权利要求2所述的实时行人检测方法，其特征在于，对于第一帧图像，将缩放因子z初始化为0。

4.根据权利要求1所述的实时行人检测方法，其特征在于，所述根据缩放因子z及分割块数B，调整当前帧I尺寸的方法具体为：

当B＝1时，使H′＝H_d、W′＝W_d；

当B＝2时，使H′＝H_d、

当B2时，使

5.根据权利要求1所述的实时行人检测方法，其特征在于，所述归一化调整尺寸后的帧是将调整尺寸后的帧中各像素值除以像素取值上限，使其归一化到区间[0,1]。

6.根据权利要求1所述的实时行人检测方法，其特征在于，将归一化后的帧分割成B个子图像，具体包含以下3种情况：

当B＝1时，不作分割，整帧输入到网络模型中；

当B＝2时，将帧垂直分割成两部分，用x和y分别表示当前帧I中像素的行列坐标，则其中一部分为I_l＝I(x,y),0≤xW_d,0≤yH_d，另一部分为I_r＝I(x,y),W′-W_d≤xW′,0≤yH_d；

当B＝z²时，将帧分割为z行z列，共z²个子图像，尺寸均为H_d×W_d。

7.根据权利要求1所述的实时行人检测方法，其特征在于，从候选目标框中筛选有效框具体步骤为：

设置置信度阈值θ和目标框数目上限k_box，在H_out×W_out×9个候选框中仅保留置信度不小于θ的框，且保留数量不超过k_box个，其中，H_out和W_out分别是输出特征图的高度和宽度；所保留的目标框及其对应的行人类别置信度即可作为行人检测的输出结果。

8.根据权利要求1所述的实时行人检测方法，其特征在于，读取当前帧时，若待检测视频帧为单通道图像时，则直接复制该通道信息，构造3通道图像。