[发明专利]一种结合上下文信息和多级特征的图像中行人检测方法

摘要

本发明公布了一种基于深度学习并结合图像上下文信息和图像多级特征的行人检测方法，将目标检测深度模型Faster R‑CNN应用到行人检测领域中，结合行人周围的上下文信息输入特征分类器；接着结合了Faster R‑CNN中深度特征提取模型VGG16的多级特征，将高层粗糙的特征与低层精细的特征组合到一起，使得特征包含更加丰富的信息，能够更好地检测小尺寸行人；本发明的误检率低，具有广泛的适用性，可适用于智能监控系统或者无人驾驶中行人的检测，具有重要的应用价值。

主权项

一种结合图像上下文信息和图像多级特征的行人检测方法，对待检测图像，利用图像分类深度模型进行特征提取，将深度模型中每一层卷积层产生的特征图均存储在内存中，在最后一层特征图上执行区域提取网络RPN，获得多个可能包含行人的高质量感兴趣区域RoI，即预选框；针对每一个RoI，首先对最后一层特征图在相应位置提取上下文信息特征，然后进行图像多级特征提取，提取该RoI在多个特征图上相应位置的特征并组成多级特征；将上下文信息与多级特征按通道维度连接在一起，输送到分类器中进行分类训练和定位检测；通过不断训练识别行人，由此达到对图像中行人进行准确检测的目的。