[發(fā)明專利]基于深度學(xué)習(xí)的快速行人檢測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201810001077.9
• 申請(qǐng)日: 2018-01-02
• 公開（公告）號(hào): CN108229390A
• 公開（公告）日: 2018-06-29
• 發(fā)明（設(shè)計(jì)）人: 孫君鳳;許宏吉;劉愛玲;房樺;劉琛
• 申請(qǐng)（專利權(quán)）人: 濟(jì)南中維世紀(jì)科技有限公司;山東大學(xué)
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 濟(jì)南泉城專利商標(biāo)事務(wù)所 37218
• 代理人: 張貴賓

本發(fā)明的基于深度學(xué)習(xí)的快速行人檢測(cè)方法，包括以下步驟：（1）構(gòu)建帶有標(biāo)注信息的行人數(shù)據(jù)集：采集不同場(chǎng)景下的監(jiān)控視頻圖像，構(gòu)建行人檢測(cè)標(biāo)準(zhǔn)數(shù)據(jù)集，并對(duì)數(shù)據(jù)集進(jìn)行擴(kuò)充，包含圖像及其標(biāo)注信息；（2）利用構(gòu)建的行人數(shù)據(jù)集對(duì)網(wǎng)絡(luò)模型預(yù)訓(xùn)練，生成適用于行人檢測(cè)的模型：利用行人數(shù)據(jù)集對(duì)預(yù)訓(xùn)練模型進(jìn)行微調(diào)，訓(xùn)練為適用于所構(gòu)建數(shù)據(jù)集的行人檢測(cè)模型；（3）對(duì)訓(xùn)練好的模型進(jìn)行多通道視頻快速行人檢測(cè)的測(cè)試：基于多通道視頻拼接方法，對(duì)待測(cè)試圖像進(jìn)行預(yù)處理，輸入訓(xùn)練好的模型進(jìn)行檢測(cè)，得到目標(biāo)的位置信息。本發(fā)明的方法能夠降低光照、復(fù)雜背景等對(duì)行人檢測(cè)的影響，快速檢測(cè)行人，自動(dòng)對(duì)監(jiān)控視頻進(jìn)行分析，及時(shí)地發(fā)現(xiàn)異常事件。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理、視頻監(jiān)控以及安防應(yīng)用于行人檢測(cè)的技術(shù)領(lǐng)域，具體為一種基于深度學(xué)習(xí)的快速行人檢測(cè)方法。

背景技術(shù)

行人檢測(cè)就是計(jì)算機(jī)對(duì)于給定的圖像和視頻，判斷出其中是否有行人，如果有還需要給出行人的具體位置。行人檢測(cè)是行人跟蹤，行為分析，步態(tài)分析，行人身份識(shí)別等研究的基礎(chǔ)和前提，一個(gè)好的行人檢測(cè)算法能夠?yàn)楹笳咛峁┯辛Φ闹С趾捅Ｕ稀，F(xiàn)實(shí)生活中，行人檢測(cè)有廣泛的應(yīng)用場(chǎng)景。近年來，家門口、辦公室、商場(chǎng)、銀行等眾多的私人和公共場(chǎng)所都安裝了監(jiān)控?cái)z像頭，但是監(jiān)控的工作多數(shù)都是依靠人工監(jiān)控完成的。然而人工監(jiān)控的工作不但需要耗費(fèi)大量的人力，而且由于這個(gè)工作很容易讓觀測(cè)者疲憊，使得觀察者可能漏掉一些重要的信息，從而帶來巨大的經(jīng)濟(jì)損失。利用行人檢測(cè)技術(shù)，我們可以實(shí)現(xiàn)讓計(jì)算機(jī)自動(dòng)檢測(cè)出監(jiān)控?cái)z像頭下的每一個(gè)行人。以此為基礎(chǔ)還可以實(shí)現(xiàn)對(duì)指定行人軌跡進(jìn)行跟蹤，對(duì)行人身份進(jìn)行識(shí)別以及對(duì)行人行為進(jìn)行分析等，如果發(fā)現(xiàn)異常狀況及時(shí)自動(dòng)報(bào)警。這樣可以大大減少人力，更能提高監(jiān)控準(zhǔn)確度防患于未然，達(dá)到我們進(jìn)行視頻監(jiān)控的初衷。

人體兼具柔性與剛性的特征，使得行人檢測(cè)易受服裝、光照、遮擋、行人姿勢(shì)、尺度、拍攝角度等復(fù)雜因素的制約，并不穩(wěn)健。

目前常用的行人檢測(cè)方法包括：背景差法、幀差法、光流法、模板匹配法和基于機(jī)器學(xué)習(xí)的方法等。前述四種方法都是基于圖像處理技術(shù)的人體檢測(cè)方法，然而這些方法在面對(duì)人體衣著、體形、人體姿勢(shì)、人體遮擋、光照問題以及復(fù)雜背景等方面問題的問題時(shí)，所體現(xiàn)出來的準(zhǔn)確率和魯棒性很差。基于機(jī)器學(xué)習(xí)的方法從訓(xùn)練樣本學(xué)習(xí)人體的規(guī)律，得到模型，然后在測(cè)試集上進(jìn)行測(cè)試。如果能夠合理地選擇數(shù)據(jù)和特征，加以合理的算法來進(jìn)行訓(xùn)練，可以較好地克服諸如人體多樣性、光照、背景多樣性等問題，已成為現(xiàn)今行人檢測(cè)的一種主流算法。

對(duì)于安防行業(yè)而言，監(jiān)控視頻的數(shù)量越來越多，給深度學(xué)習(xí)的發(fā)展提供了大量的數(shù)據(jù)，但是對(duì)于深度學(xué)習(xí)來說，計(jì)算能力是一個(gè)主要限制問題，如何能夠節(jié)省檢測(cè)的時(shí)間非常重要的。

發(fā)明內(nèi)容

本發(fā)明為了彌補(bǔ)現(xiàn)有技術(shù)的不足，提供了一種結(jié)構(gòu)簡(jiǎn)單、使用方便的基于深度學(xué)習(xí)的快速行人檢測(cè)方法，能夠降低光照、復(fù)雜背景等對(duì)行人檢測(cè)的影響，快速檢測(cè)行人，自動(dòng)對(duì)監(jiān)控視頻進(jìn)行分析，及時(shí)地發(fā)現(xiàn)異常事件，提高行人檢測(cè)的效率與魯棒性。

本發(fā)明是通過如下技術(shù)方案實(shí)現(xiàn)的：

本發(fā)明的基于深度學(xué)習(xí)的快速行人檢測(cè)方法，其特征在于：包括以下步驟：

（1）構(gòu)建帶有標(biāo)注信息的行人數(shù)據(jù)集：

采集不同場(chǎng)景下的監(jiān)控視頻圖像，構(gòu)建行人檢測(cè)標(biāo)準(zhǔn)數(shù)據(jù)集，并對(duì)數(shù)據(jù)集進(jìn)行擴(kuò)充，包含圖像及其標(biāo)注信息；

（2）利用構(gòu)建的行人數(shù)據(jù)集對(duì)網(wǎng)絡(luò)模型預(yù)訓(xùn)練，生成適用于行人檢測(cè)的模型：

利用步驟一中準(zhǔn)備好的數(shù)據(jù)集對(duì)預(yù)訓(xùn)練模型進(jìn)行微調(diào)，訓(xùn)練為適用于所構(gòu)建數(shù)據(jù)集的行人檢測(cè)模型；

（3）對(duì)訓(xùn)練好的模型進(jìn)行多通道視頻快速行人檢測(cè)的測(cè)試：

基于多通道視頻拼接方法，對(duì)待測(cè)試圖像進(jìn)行預(yù)處理，輸入訓(xùn)練好的模型進(jìn)行檢測(cè)，得到目標(biāo)的位置信息。