[发明专利]基于多度量检测器的Cascade R-CNN行人检测方法

说明书

本发明公开了一种基于多度量检测器的Cascade R‑CNN行人检测方法，包括对行人图片进行尺寸标准化和归一化处理，得到行人图片集，图片集中含有标注，划分训练集和测试集，并设置迭代次数和学习步长；将图片和标注通过多度量检测器的Cascade R‑CNN模型进行迭代训练，训练完所有训练数据后完成一个轮次的训练；重复执行上述步骤，直至达到设定的迭代轮次，把网络中的参数输出并保存，得到行人检测模型；将待检测的行人图片输入行人检测模型，输出待检测行人图片的位置和置信度信息。本发明可以更准确地描述预测框与真实框的位置关系和拟合程度，可有效提高行人检测回归框的准确率，提高检测精度，减少误检率。

技术领域

本发明涉及计算机视觉的行人检测技术领域，尤其涉及一种基于多度量检测器的Cascade R-CNN行人检测方法。

背景技术

行人检测技术具有很强的应用价值，它可以与行人跟踪、行人重识别等技术相结合，广泛应用于自动驾驶、道路监控、视频安防和智慧城市等领域。传统的行人检测方法依靠人体自身的外观属性进行特征提取和分类，该类方法往往受限于特定环境条件，导致特征表达能力不足，无法满足实际场景应用要求。基于深度学习学到的特征具有较好的层次表达能力和鲁棒性，可以比较好地解决这类视觉问题。但是，由于行人大小、位置、背景和遮挡等因素的影响，基于深度学习的行人检测方法还没有很好的解决漏检和误检的问题。

深度学习中的行人检测可以采用两阶段的深度神经网络来学习和建模。由卷积神经网络对图像进行特征提取，提取出来的特征图对光照、位移等变化不敏感，鲁棒性较好。由区域提议网络(Region Proposal Network)和分类回归网络组成了一个两阶段目标检测器，区域提议网络负责生成目标可能所在区域的建议，分类回归网络对建议的区域进行分类，并对标注框进行微调。网络的函数由分类损失和回归损失加权组成，并采用随机梯度下降法进行反向传播迭代。

现有的两阶段深度学习目标检测器精度较高，通用性也较好，但在行人检测中仍然存在中小尺寸行人的检测结果仍不理想，行人与背景相似度高，遮挡严重，检测难度大，造成漏检和误检等问题。

现有技术方案如下：

如图1所示，首先，输入图片，通过卷积神经网络提取出图片的特征，并引入FPN特征图像金字塔进行特征信息融合；其次，将提取的特征经过RPN网络，产生一定数量的候选框；最后则是预测的分类与回归结果，采用级联的分类与回归网络，其中改进了目标检测任务中的评价指标IoU，引入目标检测任务的直接评价指标GIoU指导定位任务，完成模型训练。

将GIoU作为一种新的评价指标损失函数替代原有评价指标IoU引入到了级联RCNN中，由Loss-GIoU计算公式可知，Loss-GIoU能保证损失函数目标检测框回归具有尺度不变性，同时使检测框的优化目标和损失函数保持一致。

IoU和GIoU的计算公式为：

式中:A为预测框；B为真实框；C为两者的最小闭包(包含A、B的最小包围框)。

上述技术存在的缺点如下：

针对级联的分类与回归网络，用评价指标GIoU替代了目标检测任务中的评价指标IoU。该技术在三级级联网络中都是采用的同一评价指标GIoU，从而无法从三个级联网络递进地获取更加有效的样本信息。另外，评价指标GIoU的公式没有考虑到建议框的高宽比对正负样本选择的影响。

发明内容

为解决上述技术问题，本发明的目的是提供一种基于多度量检测器的Cascade R-CNN行人检测方法，避免采用传统的行人检测方法的缺陷，基于深度学习学到的特征具有较好的层次表达能力和鲁棒性；在本发明方法提出的神经网络模型中，对多个级联的检测器分别采用不同的评价指标函数，使得模型可以更准确地描述预测框与真实框的位置关系和拟合程度，可提高行人检测回归框的准确率。