[发明专利]基于级联卷积网络的小尺度行人检测识别方法

说明书

本文提出基于级联卷积网络的小尺度行人检测识别方法。该方法包括：提出一种新的正样本采集方法，基于anchors聚类结果随机选择样本尺寸，在标记样本中采集正样本训练集，增加正样本数量，提升检测性能；使用级联深度卷积神经网络，通过多任务学习来联合训练识别和定位这；设计轻量级CNN架构，在保持大尺度行人识别精度基础上提升小尺度行人识别准确性。本发明致力于提高小尺度行人的检测识别率，使得行人检测能够适应多种尺度变化和复杂环境。

技术领域

本发明属于图像视觉领域。尤指特定目标小尺度行人检测及定位。

背景技术

视频监控下行人检测为视频数据分析的一大分支，对图像序列中的多尺度行人进行检测，在公安嫌疑人检索、交通管制、以及军事侦察、战场监视等诸多领域有着广阔的应用前景。面向视频监控的多尺度行人检测研究是最活跃的研究领域之一。

面向视频监控的多尺度行人检测问题存在许多方面的限制因素，使得序列图像中多尺度行人目标识别技术的研究在理论方法和技术实施上都面临着巨大的挑战。视频监控中行人尺度具有多样性，不同检测场景中的行人具有不同的尺度、不同姿态等特征，难以利用统一的外观特征模型来描述。

由于不同尺度、距离和姿势的影响，在无约束的自然环境中背景的复杂性，场景中光照的变化、大气状况的变化以及天气等的影响会对检测目标造成严重干扰，检测出不同空间尺度的目标物体就更加具有挑战性。

直观地说，大尺寸目标物体的轮廓更加清晰，为检测提供了更丰富的信息；而小尺寸目标物体通常具有边框模糊、外观模糊等特点，很难将它们与杂乱的背景和其他重叠物体区分开，这导致小尺寸目标物体识别困难。

由于场景中存在不同尺度的行人，这严重影响了行人检测模型的性能。面对这些可能存在的问题，精确且实时性强的行人检测算法可以在视频监控方面提供更加准确有效的信息。

因此，为解决以上弊端，本发明提出基于级联框架的神经网络以粗略到精细的方式来检测多尺度目标，能够更加准确地定位目标的位置信息；在跟踪过程中，三个小型的神经网络可以更好地对目标实现实时性的跟踪。

发明内容

本发明的目的是提供一种针对小尺度行人的检测识别方法，旨在提高视频监控中多尺度行人检测精度。在检测识别过程中保证对目标检测和定位的准确性和成功率。为完成本发明的目的，本发明提供描述基于级联的深度卷积网络的行人识别和定位方法

本方法步骤如下：

第一步，anchors聚类：

因为Caltech训练数据集中存在行人遮挡面积超过50％，高度小于30像素或者宽度小于15像素的行人，首先过滤掉上述情况的样本标记，对筛选后的Caltech训练数据集标注样本进行IOU聚类。通过聚类结果，选择出Caltech Dataset的anchors。

第二步，样本采集：

通过上一步anchors聚类选择出anchors，在Caltech Dataset标记图片中的标记位置上随机选择级联网络输入比例的样本大小分别为24x12,48x24，96x48。包括负样本、正样本、部分行人样本，并生成其label信息。采用不同的样本组合训练不同的任务。

第三步，训练行人检测的级联网络：

级联卷积网络结构，包括Rough Network，即R-Net为生成候选框的网络，Considerate-Net，即C-Net为筛选候选框的网络，Verify-Net，即V-Net为确认最后检测结果的网络。三个网络输入大小设计为：24x12,48x24,96x48。