[发明专利]一种基于多层次特征融合的小尺度行人检测方法在审
| 申请号： | 201910899189.5 | 申请日： | 2019-09-23 |
| 公开（公告）号： | CN110781744A | 公开（公告）日： | 2020-02-11 |
| 发明（设计）人： | 陈泽;叶学义;钱丁炜;魏阳洋;赵知劲 | 申请（专利权）人： | 杭州电子科技大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 33240 杭州君度专利代理事务所(特殊普通合伙) | 代理人： | 杨舟涛 |
| 地址： | 310018 浙*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于多层次特征融合的小尺度行人检测方法。本发明首先使用卷积神经网络对输入图像进行特征提取，并将具有丰富细节信息的浅层特征和具有丰富语义信息的深层特征进行融合，然后在行人区域提议和分类回归中通过行人候选区域池化共享多层融合后的特征，最后得到检测结果。本发明通过设计的损失函数将特征提取，区域提议和分类回归整个检测流程合并成一个完整的网络，从而可以端对端的对整个网络进行训练，训练好的检测网络可以直接应用于行人检测。本文发明在存在大量小尺度行人的自动驾驶和监控场景下，能保持较好鲁棒性和高效性。 | ||
| 搜索关键词： | 特征提取 行人检测 小尺度 卷积神经网络 提议 候选区域 监控场景 检测结果 输入图像 损失函数 特征融合 细节信息 行人区域 语义信息 整个网络 自动驾驶 融合 高效性 鲁棒性 分类 回归 检测 池化 多层 浅层 网络 合并 共享 应用 | ||
【主权项】：
1.一种基于多层次特征融合的小尺度行人检测方法，其特征在于包括如下步骤：/n步骤1、将训练集样本中的图像输入到一个在ImageNet数据集上预先训练好的VGG-16卷积神经网络提取特征，然后行人区域提议网络根据提取的特征生成行人候选区域，接着将行人候选区域映射回卷积神经网络提取的特征图并池化成同样尺寸的特征向量送入分类回归网络进行分类回归，最后设置整体网络的损失函数完成端对端的训练；/n步骤2、将测试集中的图像输入卷积神经网络进行特征提取，得到多层卷积特征图，并将具有丰富细节信息的浅层特征和具有丰富语义信息的深层特征进行多层特征融合；/n步骤3、将多层特征融合后得到的特征图输入行人区域提议网络生成行人候选区域；/n步骤4、将行人候选区域特征池化成相同尺寸的特征向量；/n步骤5、将池化后的特征向量输入分类回归网络对行人候选区域进行进一步的分类回归，最后得到行人的检测结果。/n
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杭州电子科技大学，未经杭州电子科技大学许可，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/201910899189.5/，转载请声明来源钻瓜专利网。
