[发明专利]一种基于图像分区的道路行人小目标检测方法

权利要求书

1.一种基于图像分区的道路行人小目标检测方法，其特征在于：包括如下步骤：

步骤1：构建行人分区数据集；

步骤2：使用步骤1的行人分区数据集训练输入大小为n×n的行人检测网络模型；

步骤3：输入待检测图像；

步骤4：对步骤3中的待检测图像进行分区，得到包含分区先后顺序的分区子图像；

步骤5：对步骤4中所有分区子图像按分区的先后顺序，使用步骤2中训练好的行人检测模型进行检测；

步骤6：对步骤5中的所有分区子图像的检测结果按步骤4中分区的先后顺序进行拼接，将分区子图像的检测结果还原到待检测图像上；

步骤7：输出检测结果。

2.根据权利要求1所述的一种基于图像分区的道路行人小目标检测方法，其特征在于：所述步骤1中的行人分区数据集构建如下步骤：

步骤1.1：将m’×n’大小的行人数据集CityPersons中每一张m’×n’的图像以n×n大小的窗口滑动，切割成多个小图像，相邻窗口之间具有x％的重叠，用于防止将小目标裁剪为更小的目标，并删除所切割子图像中相同区域大于x％的子图像，同时将图像标签对应裁剪为子标签，得到训练集和验证集。

3.根据权利要求1所述的一种基于图像分区的道路行人小目标检测方法，其特征在于：所述步骤2中具体实施步骤如下：

步骤2.1、基于通用目标检测网络模型，采用步骤1中的数据集训练一个行人检测网络模型，同时采用K-means均值聚类对数据集的行人标注框进行聚类，参数初始化使用所采用目标检测模型的官方预训练权重进行初始化。

4.根据权利要求1所述的一种基于图像分区的道路行人小目标检测方法，其特征在于：所述步骤4中的图像分区实施包括如下步骤：

步骤4.1：将m’×n’大小的待检测图像分割成对应的图像块，切割是通过滑动窗口按顺序进行的，窗口大小为行人检测模型输入大小，滑动窗口重叠比率为0到0.95；

步骤4.2：按切割顺序将每个切割位置存入列表中，用于待检测图像中所有分区子图像检测结果的融合，每个切割位置信息是相对于待检测图像左上角设定的，包含了切割左上角坐标x1，y1和右下角坐标x2，y2。

5.根据权利要求1、3或4任一所述的一种基于图像分区的道路行人小目标检测方法，其特征在于：所述步骤5中的检测实施步骤如下：

步骤5.1、行人检测模型在检测阶段置信度阈值为0.5，非极大值抑制阈值为0.3下，对待检测图像分区后的所有子图像实施检测，按顺序输出所有的行人检测结果。

6.根据权利要求1或者4任一所述的一种基于图像分区的道路行人小目标检测方法，其特征在于：所述步骤6中的检测结果拼接具体实施步骤为：

步骤6.1：将每个分区子图像的检测结果的左上角坐标x3，y3和右下角坐标x4，y4都加上步骤4.2中对应的切割左上角坐标x1，y1；

步骤6.2：对所有还原后的检测结果，使用非极大值抑制剔除其中重复检测的结果，最终得到m’×n’大小待检测图像中所有被检测到目标的左上角和右下角坐标信息。