[发明专利]一种基于深度学习的行人检测方法及系统

说明书

本申请公开了一种基于深度学习的行人检测方法及系统，该方法包括:获取指定大小的待检测的行人环境图像；将行人环境图像输入训练好的行人识别神经网络模型；对行人环境图进行特征提取，生成预设大小的特征图；基于特征图进行分类检测，将当前滑窗作为候选框，获取M个候选框；对每个候选框进行回归处理，调整每个候选框的尺寸，生成检测框；获取每个检测框的分类得分和回归得分和检测总分；将所有检测框按照检测总分的高低进行排序，选取检测总分排名靠前的K个检测框作为目标框；输出K个目标框的坐标以及对应目标框中的行人概率。本申请针对行人检测的场景，将分类损失引入到正样本的匹配过程中，消除了冗余的预测框，省去了NMS的处理。

技术领域

本发明涉及机器人技术领域，尤其涉及一种基于深度学习的行人检测方法及系统。

背景技术

在公共场所，例如：机场、商场、公园广场等行人相对密集的场景，为了识别不同视角的非重叠监控场景下的行人身份，行人重识别技术得到广泛发展，尤其是在监控视频领域。由于不同监控场景下同一行人存在背景、光照、朝向等差异大的问题，在行人相对密集的场所如何对行人实例级检测和行人再识别，在检索库中检索难度较大。

在当前的目标检测方法中，标签的匹配是一个非常重要的环节，目前的匹配方式主要基于交并比(Intersection Over Union，IOU)，当候选框和基准真值(ground truth，gt)的IOU高于设定的阈值时，则匹配为正样本，我们把这种方式称为“框分配”。在进行框匹配时，需要预设大量的anchor框，而anchor框的大小、比例，对于性能的影响很大，而且需要手工的去设计这些anchor框。另一种方法为anchor free，这种方法将网格点作为样本，看网格点与目标点的距离以及网格点是否在目标内部来判断是否为正样本。我们将这种方式称为“点分配”。这两种方法都有一个共同的问题，就是“多对一”，对于一个gt，有大量正样本与之匹配。这样使得模型的性能对于超参数很敏感，而且容易产生冗余的检测结果，影响实时性。

如何在行人检测时，避免生成冗余的检测结果，避免使用NMS,从而提交实时性，是目前要解决的问题。

发明内容

本申请提出了一种基于深度学习的行人检测方法及系统，针对行人检测的场景，将分类与回归巧妙的结合处理，无需遍历获取所有包含行人的框，从而产生大量的冗余框。而只需要在进行分类检测，获取到若干个包含行人的框，甚至是1个包含行人的框后，便立即停止分类检测，转而对获取到的框进行回归处理，从而大大减少了冗余的预测框，无需NMS，且能及时获取检测结果，且检测精度也很高。

本发明第一方面公开了一种基于深度学习的行人检测方法，包括：

获取指定大小的待检测的行人环境图像；

将行人环境图像输入训练好的行人识别神经网络模型；

通过行人识别神经网络模型对行人环境图进行特征提取，生成预设大小的特征图；

基于特征图进行分类检测，当检测到当前滑窗中包含有行人时，将当前滑窗作为候选框，当获取到M个候选框时，停止当前的分类检测；其中，M≥1；

基于特征图，对每个候选框进行回归处理，调整每个候选框的尺寸，生成对应的检测框；

获取每个检测框的分类得分和回归得分，并基于设置的分类权重和回归权重，获取每个检测框的检测总分；

将所有检测框按照检测总分的高低进行排序，选取检测总分排名靠前的K个检测框作为目标框；其中，K≤M；

输出K个目标框的坐标以及对应目标框中的行人概率。

可选地，对每个候选框进行回归处理，调整每个候选框的尺寸，生成对应的检测框具体包括：

对每个候选框的尺寸进行放大或缩小处理，优化候选框的定位；每次放大或缩小按照预设步长像素进行操作；