[发明专利]一种智能安防行人检测方法、系统、装置及存储介质

权利要求书

1.一种智能安防行人检测方法，其特征在于，包括以下步骤：

制作行人检测网络的训练数据集和检测数据集；

行人检测网络的训练；

共用同一个卷积神经网络的检测识别过程。

2.根据权利要求1所述一种智能安防行人检测方法，其特征在于，所述制作行人检测网络的训练数据集和检测数据集这一步骤，其包括：

从公开的VOC数据集中标注出行人，生成对应的标注及标签信息；

采集不同场景下的行人画面图像，包含多种姿态，多种背景及多种情形，对采集的图像做出行人标记，生成对应的标注及标签信息并转换为VOC数据集标准。

3.根据权利要求1所述一种智能安防行人检测方法，其特征在于，所述行人检测网络的训练这一步骤，其包括：

第一步，区域建议网络RPN使用随机梯度下降进行端到端的训练。采用采样方法进行训练，每个mini-batch从一张图片中采样多个锚点，从每张图片中随机选取256个锚点计算每个mini-batch的损失函数。训练中，用零均值，标准差为0.01的高斯分布随机初始化所有新加的层。所有其他层(例如，共享的卷积层)会由ImageNet分类任务预训练的模型初始化；

第二步，检测网络也利用ImageNet预训练的网络初始化。对输入图像进行5层卷积网络的特征提取，第5层特征图(CONV5)是一个256×256的特征图，将256个通道内的全部特征串联成一个高维(4096维)特征向量，后面添加另一个4096维的特征层，形成FC7；由FC7特征层可预测：①候选区域框属于每个类别的概率；②候选区域对应的目标对象的更合适的位置，用它相对于候选区域框的2个平移和2个放缩共4个参数表示。通过预先标记的信息利用反向传播算法对该检测网络进行微调；

第三步，两个网络的CNN共享和联合调优。利用第二步得到的检测网络初始化区域建议网络的训练，并且固定住所有共享的卷积层，只微调区域建议网络独有的参数层。

这样两个网络就可以共享卷积层了；最后，保持共享的卷积层不变，微调检测网络独有的层。这样，两个网络就可以共享卷积层，并可以被合并为一个统一的网络进行测试。

4.根据权利要求1所述一种智能安防行人检测方法，其特征在于，所述共用同一个卷积神经网络的检测识别过程这一步骤，其中：

区域建议网络RPN和检测网络两个网络最终可共用同一个5层的卷积神经网络，这使整个检测过程只需完成系列卷积运算即可完成检测识别过程，彻底解决了原来区域建议步骤时间长开销大的瓶颈问题。通过行人检测网络的检测识别过程，最终完成行人检测。

5.根据权利要求1-4任一项所述一种智能安防行人检测方法，其特征在于，还包括CUDA编程对非极大值抑制部分的加速，其中，在RPN的非极大值抑制计算部分采用CUDA技术对算法进行加速，并由GPU动态调度和执行，RPN网络中对按照置信度从高到低留下的3000个候选框进行非极大值抑制的计算，加速实际的运算过程。

6.根据权利要求1-4任一项所述一种智能安防行人检测方法，其特征在于，所述目标检测算法为基于深度学习的卷积神经网络模型。

7.一种智能安防行人检测系统，其特征在于，包括：

获取待检测图像；

对所述待检测图像进行行人检测，以获得行人检测框；

根据所述行人检测框筛选出得分高的结果，作为行人检测结果。

8.一种智能安防行人检测装置，其特征在于，包括：

至少一个处理器；

至少一个存储器，用于存储至少一个程序；

当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现如权利要求1-6任一项所述一种智能安防行人检测方法。

9.一种存储介质，其中存储有处理器可执行的指令，其特征在于，所述处理器可执行的指令在由处理器执行时用于执行如权利要求1-6任一项所述一种智能安防行人检测方法。

10.一种智能安防行人检测系统，其特征在于，包括图像采集设备以及与所述图像采集设备连接的计算机设备；其中，

所述图像采集设备，用于对行人进行拍摄；

所述计算机设备包括：

至少一个处理器；

至少一个存储器，用于存储至少一个程序；

当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现如权利要求1-6任一项所述一种智能安防行人检测方法。