[發明專利]行人標志物識別方法及裝置

有效

• 申請號: 201611198541.5
• 申請日: 2016-12-22
• 公開（公告）號: CN106855944B
• 公開（公告）日: 2020-01-14
• 發明（設計）人: 蘇志杰
• 申請（專利權）人: 浙江宇視科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06K9/62
• 代理公司: 11415 北京博思佳知識產權代理有限公司
• 代理人: 林祥

1.一種行人標志物識別方法，其特征在于，所述方法包括：

對監控圖像進行分割，獲得若干ROI區域；

將監控圖像輸入Fast RCNN的ZF網絡，獲得所述監控圖像的圖像特征；

將所述ROI區域和圖像特征作為輸入，依次經ROI池化層、兩個第一全連接層、ROI卷積層、第二全連接層以及RNN隱藏層，獲得各ROI區域中待檢測標志物的占比；

根據各ROI區域中所述待檢測標志物的占比以及預設占比閾值，獲得待檢測標志物對應的區域標識；

將當前RNN隱藏層輸出的各ROI區域中所述待檢測標志物的占比作為下一RNN隱藏層的一個輸入，并對當前獲得的待檢測標志物的區域標識分別進行粗粒度合并和細粒度合并，并將粗粒度合并后的區域標識與所述圖像特征、細粒度合并后的區域標識與所述圖像特征分別作為新的輸入，依次經ROI池化層、兩個第一全連接層、ROI卷積層、第二全連接層以及所述下一RNN隱藏層；

將每一RNN隱藏層輸出的所述待檢測標志物對應的區域標識輸入至第三全連接層，學習獲得所述待檢測標志物對應的比例值，若所述比例值大于等于預設比例閾值，則判斷存在該待檢測標志物；

對于細粒度合并：單行或單列掃描時，則在掃描方向上合并相鄰兩個目標區域；多行掃描時，當多行ROI區域的同一列上的目標區域占比超過預設占比閾值，則合并該列；多列掃描時，當多列ROI區域的同一行上的目標區域占比超過預設占比閾值，則合并該行；

對于粗粒度合并：在細粒度合并的基礎上，將細粒度合并區域前后兩個非目標區域也合并，若在將細粒度合并區域與前后兩個非目標區域合并之后，發現新的相鄰目標區域，則合并該新的相鄰目標區域；

其中，所述目標區域是存在所述待檢測標志物的ROI區域，所述非目標區域是不存在所述待檢測標志物的ROI區域；

所述比例值為經過第三全連接層輸出的各ROI區域中待檢測標志物的占比。

2.如權利要求1所述的行人標志物識別方法，其特征在于，所述將監控圖像輸入FastRCNN的ZF網絡，獲得所述監控圖像的圖像特征，具體包括：

將所述監控圖像依次經所述ZF網絡的前四個卷積層，獲得所述監控圖像的圖像特征。

3.如權利要求1所述的行人標志物識別方法，其特征在于，所述RNN隱藏層包括代價函數，所述代價函數由當前RNN隱藏層的輸出和標志物的真值比例而生成，且所述代價函數的輸出用于反向傳遞給所述當前RNN隱藏層，所述真值比例是所述標志物的像素占比。

4.如權利要求1所述的行人標志物識別方法，其特征在于，所述待檢測標志物對應的區域標識的獲取過程包括：

當ROI區域中所述待檢測標志物的占比超過預設占比閾值，則認為該ROI區域存在所述待檢測標志物，該ROI區域被設定為預設標識值；否則，該ROI區域不存在所述待檢測標志物，該ROI區域被設定為非所述預設標識值的另一值。

5.如權利要求4所述的行人標志物識別方法，其特征在于，所述細粒度合并和粗粒度合并包括：對各標志物的區域標識進行掃描，所述掃描包括交替進行的行掃描和列掃描，且所述行掃描的行數以及列掃描的列數是逐漸遞增的；

每次行掃描或列掃描后的區域標識與所述圖像特征作為新的輸入，依次經ROI池化層、兩個第一全連接層、ROI卷積層、第二全連接層以及RNN隱藏層，并將當前RNN隱藏層的輸出作為下一次掃描的RNN隱藏層的一個輸入，將當前RNN隱藏層的輸出與預設占比閾值比較所獲得的待檢測標志物的區域標識作為下一次掃描的對象，將當前掃描后的區域標識與所述圖像特征作為下一次新的輸入，直至所述行掃描或列掃描的次數均為預設次數。