[发明专利]一种基于深度卷积神经网络的视频小目标检测方法

摘要

本发明提供一种基于深度卷积神经网络的视频小目标检测方法，利用深度卷积神经网络多层非线性结构的特性对视频目标特征进行整体建模，结合Faster RCNN对于普通视频目标检测快速准确的特点以及ResNet在深度网络特征提取层加入的effective path（多人投票系统），再加上后期对网络结构的精简，提出了一种可以对视频目标进行快速检测，同时兼顾小目标检测的基于深度网络结构ERF‑Net（Efficient Residual Faster rcnn）的视频目标检测方法。本发明的优点如下：对视频中不同远近、不同尺度大小的目标进行准确、快速检测，提高了小目标检测的效果和效率，为后续的目标跟踪、目标再识别等提供了较好的基础。

主权项

1.一种基于深度卷积神经网络的视频小目标检测方法，其特征在于包括如下步骤：步骤（1）模型预训练：基于预训练的VGG模型开始网络的迭代训练，在大小为51×39的256通道图像的每一个位置取9个候选窗口，即三种面积{1282,2562,5122}×三种比例{1:1,1:2,2:1}，候选窗口作为anchors,即锚点；步骤（2）基于深度卷积神经网络的特征提取：加入残差结构的卷积层用于提取特征图，网络使用的损失函数为；其中，i表示锚点索引值，pi表示前景的softmax预测概率，表示对应的Ground Truth预测概率，t表示预测的bounding box，t*表示前景锚点对应的Ground Truth box，且，，为参数；步骤（3）获取候选区域及其对应的Softmax概率：依据步骤（1）、（2）中训练得到的网络E‑RPN，获取候选ROI区域，获取检测目标的Softmax概率；步骤（4）读取候选区域及其对应的Softmax概率：将获取的候选ROI区域信息传入网络，将其对应的Softmax概率作为bbox_inside_weights传入网络，通过caffe blob大小对比，计算得出bbox_outside_weights作为参数；步骤（5）循环迭代训练E‑RPN网络：将获取得到的候选ROI区域循环迭代训练网络E‑RPN，直至Softmax概率与检测框回归，得到最终模型。