[发明专利]一种基于道路场景的行人检测方法和系统

权利要求书

1.一种基于道路场景的行人检测方法，其特征在于，包括以下步骤：

(1)采集道路场景图像并进行感兴趣区域提取，得到待检测图像；

(2)将所述待检测图像输入行人检测模型中进行检测，得到包括目标对象位置和置信度信息的初步检测结果；所述步骤(2)中所述行人检测模型的训练方法为：

(21)对采集的道路场景图像进行感兴趣区域提取，得到输入图像，并在所述输入图像中标记目标对象，得到训练数据集T；

(22)按照目标对象尺度大小，将所述训练数据集T分为从小到大的多个部分T₁～T_n；其中n表示按照尺度范围对目标对象的分组个数；

(23)构建与所述输入图像的宽高比一致的矩形卷积神经网络，对所述输入图像进行特征提取；

(24)在所述矩形卷积神经网络指定特征层L₁～L_n上设计预选框，初步得到目标对象所在位置；所述指定特征层L₁～L_n尺度大小与所述训练数据集T₁～T_n目标尺度对应一致；

(25)采用训练数据集T₁～T_n和预选框分步训练所述矩形卷积神经网络，得到行人检测模型；

(3)将重复检测和低于设定置信度阈值的检测结果删除，得到最终检测结果；

其中，所述行人检测模型是与所述待检测图像宽高比一致的矩形卷积神经网络；所述矩形卷积神经网络中不同尺度的特征层采用不同的训练集进行分步训练；所述不同尺度的特征层负责检测不同尺度的目标对象。

2.根据权利要求1所述的一种基于道路场景的行人检测方法，其特征在于，所述步骤(24)中所述设计预选框，具体包括以下步骤：

在所述矩形卷积神经网络中，选取与所述训练数据集T₁～T_n目标尺度相对应的特征层L₁～L_n；

根据选取的特征层L₁～L_n所对应的图像位置确定预选框位置；

对目标对象进行聚类分析，根据目标对象的形状特性确定预选框的尺寸大小。

3.根据权利要求1所述的一种基于道路场景的行人检测方法，其特征在于，所述步骤(25)中所述分步训练所述矩形卷积神经网络具体包括：

利用目标对象尺度最小的训练集T₁训练对应尺度的特征层L₁，得到特征层L₁及之前卷积层的权重参数；

使特征层L₁及之前卷积层的权重参数保持不变，利用训练集T₂训练对应尺度的特征层L₂，得到特征层L₂的权重参数；

使特征层L₂权重参数保持不变，利用训练集T₃训练对应尺度的特征层L₃，得到特征层L₃的权重参数；

按照上述方式分步完成对所有特征层的训练，得到行人检测模型。

4.根据权利要求3所述的一种基于道路场景的行人检测方法，其特征在于，所述特征层训练方法具体为：将特征层上的预选框与对应的标记对象进行比较，选取重叠率高于预设值的预选框，计算损失值，利用反向传播算法更新矩形卷积神经网络该层及之前层参数。

5.根据权利要求4所述的一种基于道路场景的行人检测方法，其特征在于，所述重叠率预设值为0.5。

6.根据权利要求1所述的一种基于道路场景的行人检测方法，其特征在于，所述步骤(3)中所述设定置信度阈值为0.6。

7.根据权利要求1-6任一项所述的一种基于道路场景的行人检测方法，其特征在于，所述感兴趣区域指有行人出现的区域，所述目标对象为行人。

8.一种基于道路场景的行人检测系统，包括：

采集模块，用于获取道路场景图像并进行感兴趣区域提取，得到待检测图像；

初步检测模块，用于采用权利要求1-7任一项所述方法中的行人检测模型对所述待检测图像进行检测，得到包括目标对象位置和置信度信息的初步检测结果；

结果处理模块，将重复检测和低于设定置信度阈值的目标框删除，得到最终检测结果。