[发明专利]基于YOLOv6的移动端实时人体检测方法及系统

权利要求书

1.一种基于YOLOv6的移动端实时人体检测方法，其特征在于，包括：

步骤100，采用图像采集设备采集检测图片；

步骤200，将检测图片输入人体识别模型的骨干特征提取网络中，进行特征提取，得到一次特征图；

步骤300，将一次特征图，输入到人体识别模型的颈部特征融合网络中进行二次特征提取，得到二次提取特征图；

步骤400，将二次特征图输入到人体识别模型的检测头预测网络中，输出人体检测结果。

2.根据权利要求1所述的基于YOLOv6的移动端实时人体检测方法，其特征在于，所述骨干特征提取网络，采用MobileViT网络或者EfficientRep网络。

3.根据权利要求2所述的基于YOLOv6的移动端实时人体检测方法，其特征在于，所述MobileViT网络，包括：依次设置的3*3卷积模块、Mobilenetv2模块、Mobilenetv2模块、Mobilenetv2模块、Mobilenetv2模块、Mobilenetv2模块、MobileViT Block模块、Mobilenetv2模块、MobileViT Block模块、Mobilenetv2模块、MobileViT Block模块；其中，所述3*3卷积模块采用降采样2倍，第二个、第五个、第六个和第七个Mobilenetv2模块均采用降采样2倍。

4.根据权利要求3所述的基于YOLOv6的移动端实时人体检测方法，其特征在于，所述MobileViT Block模块里包含Transformer Encoder模块，且三个MobileViT Block模块内部重复Transformer Encoder模块次数依次为2次、4次和3次，检测图片经过MobileViTBlock模块后，特征图的维度不发生变化；

Transformer Encoder模块采用自注意力机制；

Transformer Encoder模块内部经过多头注意力机制后，输出的特征向量经过二个全连接层，然后进行LN操作；

检测图片经过第一个MobileViT Block模块之后输出第一一次特征图，经过第二个MobileViT Block模块之后输出第二一次特征图，经过第三个MobileViT Block模块之后输出的第三一次特征图。

5.根据权利要求2所述的基于YOLOv6的移动端实时人体检测方法，其特征在于，所述EfficientRep网络，包括：RepConv模块、RepConv模块、RepBlock模块、RepConv模块、RepBlock模块、RepConv模块、RepBlock模块、RepConv模块、RepBlock模块、SimSPPF模块；其中，所述RepConv模块的步长为2；

所述RepBlock模块，包括：多个RepConv子模块。

6.根据权利要求4或5所述的基于YOLOv6的移动端实时人体检测方法，其特征在于，所述颈部特征融合网络，采用Neck网络；

所述Neck网络，包括：RepBlock模块、3*3卷积模块、concate拼接层、RepBlock模块、3*3卷积模块、concate拼接层、RepBlock模块、1*1卷积模块、Upsample模块、concate拼接层、RepBlock模块、1*1卷积模块、Upsample模块、concate拼接层；

分别将第一一次特征图、第二一次特征图、第三一次特征图输入到颈部特征融合网络中，此时特征图的通道数数需一一对应，然后Neck网络对特征进行融合，得到第一二次特征图、第二二次特征图、第三二次特征图。