[发明专利]一种基于特征平衡和关系增强的人体检测方法

权利要求书

1.一种基于特征平衡和关系增强的人体检测方法，其特征在于，具体步骤包括：

步骤1、对检测模型进行模型预训练，得到对人体特有特征的提取能力和敏感程度更优的检测模型；

步骤2、对检测模型进行多尺度特征融合，得到多尺度特征金字塔；

步骤3、对多尺度特征融合后的图像特征进行图像特征的关系增强，得到关系增强后的融合特征；

步骤4、基于先前融合并增强后的特征结果，对检测模型的特征进行多尺度特征重分配；

步骤5、对检测模型中的真实样本框数据采用负样本采样和正样本采样方法进行平衡采样；

步骤6、根据调整后的特征金字塔，对不同尺度的人体分别在不同层级上的特征用检测模型进行预测和训练。

2.根据权利要求1所述的一种基于特征平衡和关系增强的人体检测方法，其特征在于，所述步骤1具体步骤包括：

步骤1.1、采用庞大的通用物体检测数据集对检测模型进行首轮预训练，得到泛化特征提取能力更高的检测模型；

步骤1.2、完成首轮预训练后，调整检测模型顶层结构；

步骤1.3、通过混入通用场景下包含人体目标的样本进行二次预训练，得到对人体特有特征的提取能力和敏感程度更优的检测模型。

3.根据权利要求2所述的一种基于特征平衡和关系增强的人体检测方法，其特征在于，所述步骤2具体步骤包括：

步骤2.1、选取合适的中间尺度，其中，中间尺度的选取规则为：特征金字塔层数为n时，选择第floor(n/2)(向下取整)层特征的尺度作为中间尺度；

步骤2.2、使用双线性插值对检测模型进行图像缩放，得到保留原特征中尽可能多的信息的特征金字塔；

步骤2.3、在通道上简单叠加，融合得到包含所有层级信息的新特征图；

步骤2.4、使用额外的模块将新特征图的通道数量压缩到融合前的通道数量，得到融合后的多尺度特征金字塔。

4.根据权利要求3所述的一种基于特征平衡和关系增强的人体检测方法，其特征在于，所述步骤2.2的具体步骤包括：

步骤2.2.1、设置相关参数，其中，相关参数包括中心值需要乘以的系数；

步骤2.2.2、利用待求像素的四个相邻像素的灰度在两个方向上进行线性内插，依据f(i，j)到f(i，j+1)的灰度变化为线性关系得到：

对于(i,j+v)，f(i,j+v)＝[f(i,j+1)-f(i,j)]×v+f(i,j)，

对于(i+1,j+v)，f(i+1,j+v)＝[f(i+1,j+1)-f(i+1,j)]×v+f(i+1,j)；

步骤2.2.3、依据f(i，j+v)到f(i+1，j+v)的灰度变化也为线性关系，得出双线性插值的像素灰度值：

5.根据权利要求4所述的一种基于特征平衡和关系增强的人体检测方法，其特征在于，所述步骤3中关系增强的具体方法包括，使用训练过程中的关系衡量函数推导得出，256的一维向量H与256的一维向量G之间的关系衡量函数值为：进而得到关系增强后的融合特征F_m′为：其中，α、β为训练中可学习的参数，F_m表示融合后的特征，256的一维向量H为人体实例的池化后特征，256的一维向量G为周边某区域的池化后特征。

6.根据权利要求5所述的一种基于特征平衡和关系增强的人体检测方法，其特征在于，所述步骤4包括：

步骤4.1、将融合并增强后的特征F_m′进行相应的放缩操作；

步骤4.2、对于原有尺度小于融合后中间尺度的特征，采用池化层进行下采样；

步骤4.3、对于原有尺度大于融合后中间尺度的特征，采用双线性插值进行上采样；

步骤4.4、对于原有尺度等于融合后中间尺度的特征，采用不改变大小的卷积层进行调整。