[發明專利]一種利用ReCNN融合上下文信息的行人檢測方法

有效

• 申請號: 201710670156.4
• 申請日: 2017-08-07
• 公開（公告）號: CN107563299B
• 公開（公告）日: 2021-06-15
• 發明（設計）人: 李濤;李冬梅;趙雪專;裴利沈;朱曉珺;趙俊彬;汪偉;鄒香玲;郭航宇
• 申請（專利權）人: 鄭州信息科技職業學院
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06N3/08
• 代理公司: 鄭州聯科專利事務所(普通合伙) 41104
• 代理人: 劉建芳

1.一種利用ReCNN融合上下文信息的行人檢測方法，其特征在于，包括以下步驟：

步驟A：提取輸入圖像中包含上下文信息的特征；

所述的步驟A包括以下步驟：

步驟A1：定義監控視頻圖像總共包含N幀圖像，第t幀圖像表示為I(t)，其中， t＝1,2…,N；

步驟A2：利用一個截斷的卷積神經網絡提取I(t-2)、I(t-1)和I(t)連續三幀輸入圖像的三個特征圖組，分別表示為X(t-2)、X(t-1)和X(t)，其中，

X(t)＝{x₁(t),x₂(t),…,x_M(t)}，

其中，M表示特征圖的數量；

步驟B：利用ReCNN對輸入圖像中的行人位置進行預測，獲取預測行人位置的掩碼圖，具體的：

利用ReCNN融合步驟A2中所述的連續三幀輸入圖像I(t-2)、I(t-1)和I(t)的三個特征圖組X(t-2)、X(t-1)和X(t)，輸出一張預測行人位置的掩碼圖y：

其中，表示遞歸卷積核，W_i^f表示前向卷積核，和W_i^f的大小均為3×3，表示卷積操作，b表示偏移量，函數f(x)采用sigmoid激活函數；

步驟C：確定輸入圖像中行人的位置；

步驟D：訓練融合上下文信息的ReCNN網絡的參數。

2.根據權利要求1所述的一種利用ReCNN融合上下文信息的行人檢測方法，其特征在于，所述的步驟C包括以下步驟：

步驟C1：按比例將掩碼圖y放大，直至掩碼圖y的尺寸與輸入圖像的尺寸相同；

步驟C2：根據視頻輸入圖像中不同行人的尺寸，設置多個大小與行人尺寸對應的行人位置檢測框；

步驟C3：在掩碼圖y上以遍歷的方式滑動行人位置檢測框，若檢測框中所有元素值之和小于檢測框面積的60％，那么判斷此區域的行人位置檢測框中不包含行人，行人位置檢測框滑動到下一位置繼續檢測；反之，則判斷此位置的行人位置檢測框中包含行人；

步驟C4：所有尺寸的行人位置檢測框在掩碼圖y上滑動后，使用非最大抑制算法合并相交的檢測框，其中，當大檢測框覆蓋小檢測框時，保留大檢測框。

3.根據權利要求1所述的一種利用ReCNN融合上下文信息的行人檢測方法，其特征在于，所述的步驟D包括以下步驟：

步驟D1：確定訓練集；

步驟D2：確定目標函數；

步驟D3：訓練融合上下文信息的遞歸卷積神經網絡的參數。

4.根據權利要求3所述的一種利用ReCNN融合上下文信息的行人檢測方法，其特征在于，所述的步驟D3包括以下步驟：

步驟D31：計算掩碼圖對于目標函數的梯度；

步驟D32：計算遞歸卷積核關于目標函數的梯度；

步驟D33：計算前向卷積核W_i^f關于目標函數的梯度。