[发明专利]一种基于PyTorch的行人检测方法

权利要求书

1.一种基于PyTorch的行人检测方法，其特征在于，包括：

S1、输入N张行人图像；

S2、对所述N张行人图像进行预处理；

S3、分别对预处理后的每张图像进行特征提取，获得每张图像对应的多个特征图信息；

S4、对所述多个特征图信息进行特征融合；

S5、对融合后的特征图信息进行预测框回归处理，并筛选出最优预测框；

S6、输出带有最优预测框的图像。

2.如权利要求1所述的一种基于PyTorch的行人检测方法，其特征在于，所述S2具体包括：

S21、对所述N张行人图像进行Mosaic数据增强处理；

S22、分别对所述增强处理后的图像进行自适应图像缩放，使每张图像的长度值和宽度值趋近2ⁿ。

3.如权利要求2所述的一种基于PyTorch的行人检测方法，其特征在于，所述S3具体包括：

S31、对所述预处理后的每张图像进行Focus切片处理；

S32、通过CSPDarknet53网络分别对切片处理后的图像进行特征提取，获得每张图像对应的多个特征图信息。

4.如权利要求1所述的一种基于PyTorch的行人检测方法，其特征在于，所述S4具体包括：

S41、通过FPN网络构建具有多个尺度的特征金字塔；

S42、根据所述特征金字塔对所述多个特征图信息进行特征融合。

5.如权利要求1所述的一种基于PyTorch的行人检测方法，其特征在于，所述S5具体包括：

S51、根据目标内容对对融合后的特征图信息进行预测框回归处理，获得多个预测框；

S52、通过非极大值抑制法筛选出所述最优预测框。

6.如权利要求5所述的一种基于PyTorch的行人检测方法，其特征在于，所述S52具体包括：

S521、通过GIOU_Loss函数分别计算出所述多个预测框对应的置信度；

S522、将置信度最高的预测框记录到最终输出列表中，并将所述置信度最高的预测框从预测框列表中删除；

S523、计算所述预测框列表中剩余预测框的面积；并根据所述剩余预测框的面积，计算所述置信度最高的预测框与剩余预测框的阈值；

S524、将所述剩余预测框中大于阈值的预测框，从所述预测框列表中删除；

S525、重复步骤S521-S524，直到所述预测框列表为空。

7.如权利要求1所述的一种基于PyTorch的行人检测方法，其特征在于，所述S6具体包括：通过Open CV将带有最优预测框的图像绘制到操作界面的结果输出框内进行输出。