[发明专利]一种基于图像转换的半监督行人检测方法

权利要求书

1.一种基于图像转换的半监督行人检测方法，其特征在于，包括以下步骤：

S1、准备两个不同的数据集，因为不同的数据集之间场景风格不同，所以分别称这两个数据集的场景为外部场景和目标场景，其中目标场景是行人检测的最终测试场景；外部场景中全部为未标注数据，目标场景的数据分为标注数据和无标注数据；用目标场景的标注数据训练一个用于行人检测的神经网络，称该网络为初始检测器P_ini，然后使用初始检测器P_ini对所有的未标注数据做出预测，预测结果作为初始伪标注；这里目标场景的标注数据、目标场景的伪标注数据、外部场景的伪标注数据分别记为对应的行人图像分别记为

S2、将外部场景的数据的场景风格转换成目标场景的风格；和合并成为目标场景上的训练数据，即行人图像x^t，本步骤的目的是在保持行人图像内容不变的情况下，将的场景风格转换成x^t的风格，为此使用外部场景和目标场景的行人图像训练一个用于图像转换的神经网络，通过重构损失函数和生成对抗网络约束神经网络的学习过程，学习完成后该神经网络能够生成具有目标场景风格，但同时又有外部场景行人内容的行人图像；

S3、在步骤S2中得到转换完成的行人图像后，使用这些图像与目标场景的行人图像x^t一起，训练一个同样是神经网络结构的分类器C，用于分类行人与背景；

S4、使用分类器C对步骤S1中产生的初始伪标注进一步筛选，和被输入进分类器C中，输出结果为预测分数，按照预测分数筛选出对应的伪标注，作为最后使用的伪标注，记为X_s；

S5、使用和X_s作为训练数据，以步骤S1中初始检测器P_ini的网络权重作为初始化参数，训练一个与P_ini同样结构但参数不同的用于行人检测的神经网络P_new，最后得到新的检测器，完成行人检测的任务。

2.根据权利要求1所述的一种基于图像转换的半监督行人检测方法，其特征在于：在步骤S1中，行人检测的数据采集自两个不同的行人检测数据集，这类数据集的形式是图片加上标注，图片是自动驾驶车载摄像头拍摄的场景图，包含行人，而标注形式为矩形框，具有矩形四个角的坐标，能够包含场景图中的行人，每个行人都有一个自己的矩形框标注；仅用目标场景的标注数据训练的初始检测器P_ini，能够在无标注的场景图上预测出行人的矩形框坐标，以预测分数大于预设阈值的预测结果作为初始伪标注；在训练由CSP检测网络组成的用于行人检测的神经网络时，数据使用的是场景图加矩形框标注而在训练由数层卷积神经网络组成的用于图像转换的神经网络时，数据使用的是从场景图上用矩形框截取下来的行人图像