[发明专利]一种复杂场景中的行人检测方法在审
| 申请号： | 201910541000.5 | 申请日： | 2019-06-21 |
| 公开（公告）号： | CN110321818A | 公开（公告）日： | 2019-10-11 |
| 发明（设计）人： | 叶超;贠周会;王欣欣;应艳丽;王旭;吴斌;黄江林;谢吉朋;赖泽伟 | 申请（专利权）人： | 江西洪都航空工业集团有限责任公司 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62 |
| 代理公司： | 南昌新天下专利商标代理有限公司 36115 | 代理人： | 施秀瑾 |
| 地址： | 330000 江西省*** | 国省代码： | 江西;36 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种复杂场景中的行人检测方法，包括以下步骤：S1、获取行人正样本；S2、获取负样本；S3、将正样本和负样本进行线性变换，进行多级特征融合网络模型参数训练，得到多级特征融合网络模型；S4、通过多级特征融合网络模型获取正样本和负样本的图像特征矩阵；S5、利用图像特征矩阵训练获得SVM分类模型；S6、从行人数据集中，获取测试数据集，然后框选目标候选区域，将目标候选区域载入训练得到的多级特征融合网络模型提取图像特征，再将图像特征载入SVM分类模型进行识别，从而确认目标候选区域是行人区域还是非行人区域。本发明方法即提升了行人检测算法的准确性，又减少了深度学习在样本训练中的时间。 | ||
| 搜索关键词： | 特征融合 网络模型 候选区域 行人检测 负样本 正样本 图像特征矩阵 复杂场景 载入 提取图像特征 测试数据集 参数训练 图像特征 线性变换 行人区域 行人数据 样本训练 框选 算法 学习 | ||
【主权项】：
1.一种复杂场景中的行人检测方法，其特征在于，包括以下步骤：S1、从行人数据集中，获取训练样本集，通过在训练样本集视频序列中截图并标记的方式，获取行人正样本；S2、在步骤S1的截图中，随机选择生成负样本；S3、将步骤S1获得的正样本和步骤S2生成的负样本进行线性变换，进行多级特征融合网络模型参数训练，得到多级特征融合网络模型；S4、通过步骤S3得到的多级特征融合网络模型获取正样本和负样本的图像特征矩阵；S5、保持步骤S3训练得到的多级特征融合网络模型的参数不变，在多级特征融合网络模型基础上，添加完全连接层，利用步骤S4获取的图像特征矩阵训练获得SVM分类模型；S6、从行人数据集中，获取测试数据集，然后框选目标候选区域，将目标候选区域载入步骤S3训练得到的多级特征融合网络模型提取图像特征，再将图像特征载入步骤S5获得的SVM分类模型进行识别，从而确认目标候选区域是行人区域还是非行人区域。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于江西洪都航空工业集团有限责任公司，未经江西洪都航空工业集团有限责任公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910541000.5/，转载请声明来源钻瓜专利网。
- 上一篇：一种枇杷果实识别方法
- 下一篇：摄像设备的遮挡检测方法、装置及存储装置
