[发明专利]融合注意力机制的实时行人检测方法

说明书

本发明涉及一种融合注意力机制的实时行人检测方法，属于目标检测领域。本发明为了提高Tiny YOLOV3目标检测算法在行人检测任务中的准确率，对该算法进行研究改进。本发明首先对Tiny YOLOV3的特征提取网络进行深化，增强网络特征提取能力；然后在预测网络的两个检测尺度分别加入通道域注意力机制，对特征图的不同通道赋予不同的权重，引导网络更多关注行人的可视区域；最后，改进激活函数和损失函数并采用K‑means聚类算法重新选择初始候选框。本发明提高了行人的检测精度，保持了较快的检测速度，满足实时性运行需求。

技术领域

本发明涉及一种融合注意力机制的实时行人检测方法，属于目标检测技术领域。

背景技术

随着科学技术的发展，行人检测在日常生活和工业生产中的应用越来越广泛。由于含有行人的图像背景复杂，以及受姿态、穿着和遮挡问题的影响，大大增加了行人检测的难度，而在实际的行人检测系统中，不仅要求较高的准确性，还要求较高的实时性，因此对行人检测的研究具有非常重要的现实意义。

传统的行人检测算法通常采用人工特征提取和分类的方法。例如，期刊《一种融合局部特征行人检测模型》，该方法为不同的身体部位训练具有Haar特征的Adaboost分类器，并采用支持向量机检测行人。期刊《改进特征与GPU加速的行人检测》采用SILTP纹理特征和梯度方向直方图提取人体不同部位的特征，并通过GPU加速实现行人检测。而随着计算机算力的提升，基于卷积神经网络的目标检测算法被陆续提出。目前常用的方法有双阶段检测算法R-CNN系列和一阶段检测算法SSD、YOLO系列。双阶段检测算法利用选择搜索或区域候选网络生成候选区域，再进一步对目标的种类和位置进行预测，提高了目标检测的精度。然而，由于候选区域生成和检测网络分开进行，难以实现实时目标检测。一阶段检测算法直接对目标的种类和位置进行回归，具有较快的检测速度。目前有诸多学者对行人检测展开研究。例如，文献“Learning efficient single-stage pedestrian detectors byasymptotic localization fitting”提出了一种渐进定位拟合模块，利用多个尺度实现行人的渐进定位，提高了检测精度。文献“Dense connection and spatial pyramid poolingbased YOLO for object detection”在YOLOV2的基础上改进特征提取网络，提出了一种基于密集连接和空间金字塔池化结构的YOLO目标检测算法，平衡了检测精度和速度。文献“Pedestrian object detection with fusion of visual attention mechanism andsemantic computation”利用视觉注意力机制和拉普拉斯金字塔融合的方法确定行人显著图，在INRIA数据集上取得了92.78％检测精度。以上方法有效提高了行人检测效果，但并不适合实际场景，对于一些实时性要求较高的场景而言，不仅要求较高的检测精度，还要求较快的检测速度。

YOLOV3算法利用特征金字塔(Feature Pyramid Network,FPN)和残差网络的结构设计有效提高了检测的精度。但该算法网络结构复杂，模型体积较大，难以在嵌入式设备上达到实时性要求。Tiny YOLOV3是YOLOV3的简化版本，网络结构简单，模型体积小，检测速度较快，但是检测精度较低；同时，Tiny YOLOV3利用FPN的结构设计对两个检测尺度的特征图进行融合，但这种方式仅仅是将不同通道的特征进行串联，不能反映出特征图通道之间的重要程度。针对以上问题，本发明对Tiny YOLOV3算法进行优化改进。首先，采用3×3卷积对主干网络进行加深，增强网络的特征提取能力；接着，采用1×1卷积对特征图进行降维，降低模型参数量，并实现跨通道的信息交互；然后，在两个预测网络引入轻量级的通道域注意力机制，利用注意力机制融合不同尺度的信息，对特征图的不同通道赋予不同的权重，引导网络关注行人区域；最后，优化边界框回归损失函数和激活函数并采用K-means聚类算法，重新选择初始候选框。实验结果表明，改进后的Tiny YOLOV3具有更高的行人检测精度，并取得了较快的检测速度，模型参数少，体积小，适合实时和嵌入式应用。

发明内容