[发明专利]人头检测方法及装置

权利要求书

1.一种人头检测方法，其特征在于，包括：

将待测图像输入至人头检测模型，获得边界框集合、所述边界框集合中每个边界框的分类置信度和每个边界框的IOU定位置信度；

基于所述边界框集合中每个边界框的分类置信度和每个边界框的IOU定位置信度，采用IOU-NMS算法对所述边界框集合进行后端处理，获得人头检测结果；

其中，所述人头检测模型包括卷积神经网络模型和特定循环神经网络模型OFLSTM；

所述人头检测模型是根据图像样本以及所述图像样本对应的人头目标真值框进行训练后获得的；

所述将待测图像输入至人头检测模型，获得边界框集合、所述边界框集合中每个边界框的分类置信度和每个边界框的IOU定位置信度的步骤，具体为：

将待测图像输入至所述卷积神经网络模型中进行特征提取，获得所述待测图像对应的高层语义特征图；

利用所述特定循环神经网络模型OFLSTM对所述待测图像的高层语义特征图进行解码回归，获得边界框集合、所述边界框集合中每个边界框的分类置信度和每个边界框的IOU定位置信度；

利用所述特定循环神经网络模型OFLSTM对所述待测图像的高层语义特征图进行解码回归，获得边界框集合、所述边界框集合中每个边界框的分类置信度和每个边界框的IOU定位置信度的步骤，具体为：

对所述待测图像的高层语义特征图进行维度调整，使得经过维度调整后的高层语义特征图符合OFLSTM单元的输入格式；

根据预先设定的循环步数将所述经过维度调整后的高层语义特征图输入至OFLSTM单元中进行处理，对于OFLSTM单元的任一次循环：

将所述经过维度调整后的高层语义特征图、OFLSTM单元上一次循环的输出以及OFLSTM单元的当前状态输入至OFLSTM单元，获取当前循环OFLSTM单元的输出；

将所述当前循环OFLSTM单元的输出分别输入至三个不同的全连接层，获得所述待测图像在当前循环的边界框集合、所述当前循环的边界框集合中每个边界框的分类置信度和所述当前循环的边界框集合中每个边界框的IOU定位置信度；

在达到预先设定的循环步数后，对多次循环得到的边界框集合进行维度调整后合并，对多次循环得到的边界框集合中每个边界框的分类置信度进行维度调整后合并，对多次循环得到的边界框集合中每个边界框的IOU定位置信度进行维度调整后合并；

其中，所述OFLSTM为训练完成的具有OFLSTM单元的循环神经网络模型，所述OFLSTM单元为只有遗忘门且无偏置项的变体LSTM单元；

所述IOU-NMS算法具体为：

将所述边界框集合中每个边界框对应的分类置信度与所述IOU定位置信度相乘，获得所述边界框集合中每个边界框对应的置信度乘积；

根据所述边界框集合中每个边界框对应的所述置信度乘积，对所述边界框集合中的所有边界框进行排序，对置信度大于预设阈值的边界框集合采用非极大值抑制算法去除冗余框，将最终获得的边界框集合作为人头检测结果进行输出。

2.根据权利要求1所述的人头检测方法，其特征在于，所述卷积神经网络模型包括Darknet19模型的前二十三层，所述前二十三层包括十八个卷积层和五个最大池化层，并且在每个卷积层之后连接有群组归一化层和Leaky ReLU激活层。