[发明专利]一种基于多尺度的行人检测方法

权利要求书

1.一种基于多尺度的行人检测方法，其特征在于，包括以下步骤：

步骤1、获得行人数据集，行人数据集包括CityPersons行人数据集和Caltech行人数据集；

步骤2、搭建行人检测模型，行人检测模块包括多尺度特征融合模型和RPN网络，行人检测模型具体如下：

(1)构建多尺度特征融合模型，构建过程具体如下：

将行人数据集输入至第一部分卷积网络，第一部分卷积网络、第二部分卷积网络、第三部分卷积网络、第四部分卷积网络和第五部分卷积网络是依次顺序连接的，其中，

第一部分卷积网络，用于提取行人数据集的特征图fm1并将其输出至第二部分卷积网络；

第二部分卷积网络，用于再次提取行人数据集的特征图fm2，并将特征图fm2输出至第三部分卷积网络；

第三部分卷积网络，用于对特征图fm2进行3个3×3的卷积层运算以及1个2×2的最大池化层处理，得到特征图fm3输入至第四部分卷积网络；

第四部分卷积网络，用于对fm3进行3个3×3的卷积层运算以及1个2×2的最大池化层处理，得到特征图fm4输入至第四层卷积网络；

第五部分卷积网络，用于对fm4进行3个3×3的卷积层运算以及1个2×2的最大池化层处理，得到特征图fm5；

将第五部分卷积网络得到的输出fm5先经过1×1卷积，改变fm5的通道数，得到的输出记为M5；

将M5通过2倍上采样，得到上采样后的M5；将fm4经过1×1卷积后得到的特征图与上采样后的M5相加，得到的结果记为M4；

M4通过2倍上采样，得到上采样后的M4；将fm3经过1×1卷积后得到的特征图与上采样后的M4相加，得到的结果记为M3；

将得到的M3通过4倍下采样得到的结果记为m3、M4通过2倍下采样得到的结果记为m4；

最后将m3、m4和M5相加输出结果特征图送入RPN网络；

(2)RPN网络用于通过多尺度感受的野滑窗生成候选区域；具体如下：

RPN网络，用于采用5种不同大小的滑动窗口来生成候选区域，分别通过1×1、3×3、5×5、7×7和9×9卷积实现，最后再将得到的不同感受野大小的候选区域形成的结果进行合并；

步骤3、在行人检测模型构建好的基础上，将行人数据集输入至行人检测模型中，具体方案如下：使用CityPersons行人数据集对搭建好的行人检测模型进行预训练，得到由该数据集训练的行人检测模型，在此模型基础上，通过在Caltech行人数据集上进行调整，得到经过Caltech行人数据集训练的行人检测模型，通过训练好的行人检测模型实现行人检测。

2.根据权利要求1所述的一种基于多尺度的行人检测方法，其特征在于，步骤3的行人检测模型训练中，利用Pytorch深度学习框架搭建上述的行人检测模型，优化函数设为Adam算法，基础学习率设为5e-3，e为自然底数，量化RPN网络的尺度，将RPN网络的高宽比划分成[0.5，0.65，0.8，0.95，1.1，1.25，1.4，1.55，1.7，1.85，2]，以此产生更多的锚点框；通过误差反向传播来修正行人检测模型参数，直至行人检测模型收敛，保存行人检测模型收敛后的参数。

3.根据权利要求1所述的一种基于多尺度的行人检测方法，其特征在于，步骤1中，Citypersons行人数据集是CityScapes数据集的子集，CityPersons行人数据集中标注了Human类别的内容，Human类别的内容包括行人类，骑手类。

4.根据权利要求1所述的一种基于多尺度的行人检测方法，其特征在于，步骤1中，Caltech行人数据集是通过以下方式获得的：将行人视频数据集，经过逐帧抽取以及格式转换得到单帧图片数据集，单帧图片数据集就是Caltech行人数据集。

5.根据权利要求1所述的一种基于多尺度的行人检测方法，其特征在于，步骤1中，CityPersons行人数据集和Caltech行人数据集保存为VOC格式。

6.根据权利要求1所述的一种基于多尺度的行人检测方法，其特征在于，fm5的通道数d＝256。