[發明專利]一種基于關鍵點的行人檢測算法

在審

• 申請號: 201910967523.6
• 申請日: 2019-10-12
• 公開（公告）號: CN110765906A
• 公開（公告）日: 2020-02-07
• 發明（設計）人: 張益新
• 申請（專利權）人: 上海雪湖科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 31345 上海浙晟知識產權代理事務所(普通合伙)
• 代理人: 楊小雙

本發明公開了一種基于關鍵點的行人檢測算法的行人檢測算法，步驟如下：步驟S1：構件模型時我們用一個中心關鍵點和一對角點來表示每個目標；步驟S2：網絡通過center pooling和cascade corner pooling分別得到center heatmap和corner heatmaps，用來預測中心關鍵點和角點的信息；步驟S3：得到中心關鍵點和角點的信息后，對這些信息進行處理得到檢測結果。步驟S4：根據檢測結果，獲取待檢測行人信息。本發明密集場景下具有較高的檢測準確率；遮擋場景下，后面的人只漏出一個頭，或者半個軀干等情況，都可以被檢測出來；CenterNet能有效去除小尺度的錯誤目標框，能有效去除中等尺度和大尺度的錯誤目標框。

技術領域

本發明涉及一種行人檢測算法，特別涉及一種基于關鍵點的行人檢測算法。

背景技術

行人檢測是計算機視覺領域的一項重要研究方向，其通過對圖像進行分析檢測出圖像中是否有行人。行人檢測技術在車輛輔助駕駛、智能監控、智能機器人等領域中有著廣泛的應用。例如，車輛輔助駕駛系統可利用行人檢測技術發現車輛前方的行人，提醒司機避讓；智能監控系統可利用行人檢測技術發現監控畫面中的行人，以便對行人的行為進行分析，對可疑人員進行跟蹤；而智能機器人則可利用行人檢測技術發現周邊環境中的行人，以自動避讓或跟隨等。

行人檢測(Pedestrian Detection)是利用計算機視覺技術判斷圖像或者視頻序列中是否存在行人并給予精確定位。該技術可與行人跟蹤，行人重識別等技術結合，應用于人工智能系統、車輛輔助駕駛系統、智能機器人、智能視頻監控、人體行為分析、智能交通等領域。

由于行人兼具剛性和柔性物體的特性，外觀易受穿著、尺度、遮擋、姿態和視角等影響，使得行人檢測成為計算機視覺領域中一個既具有研究價值同時又極具挑戰性的熱門課題。

行人檢測系統的研究起始于二十世紀九十年代中期。從最開始到2002年，研究者們借鑒、引入了一些圖像處理、模式識別領域的成熟方法，側重研究了行人的可用特征、簡單分類算法。自2005年以來，行人檢測技術的訓練庫趨于大規模化、檢測精度趨于實用化、檢測速度趨于實時化。隨著高校、研究所以及汽車廠商的研究持續深入，行人檢測技術得到了飛速的發展。

關于行人檢測方面，現在已有了積分通道法、累計通道法、濾波器通道法等多種行人檢測技術，但是前面提到的方法在檢測準確率、檢測速度、檢測計算量方面仍然存在一些不足。如人群密集時，出現漏檢和誤檢的情況嚴重。以及在行人被遮擋時，檢測不出的情況，嚴重制約了行人檢測的準確率和效率。

行人檢測和一般物體檢測有相似之處，其檢測步驟均由區域建議、特征提取、模式分類組成，但是行人檢測面臨著尺度變化范圍大、外觀和姿態復雜、光照遮擋等外部因素影響等困難。在許多實際應用場景中，對行人檢測的速度、精度和模型大小還有較高要求，而在自動駕駛和輔助駕駛任務中，往往還需要對行人的運動趨勢進行判斷。現有的基于深度學習的一般物體檢測方法存在以下問題：

單一的區域提取單元難以應對行人大范圍的尺度變化；由于深度學習的卷積和池化層步長限制，無法對小尺度行人提取足夠的特征；深度學習常用的多層感知器(MLP)參數過多，可能弱化分類結果，也限制了檢測速度；不能在行人檢測的同時給出行人運動趨勢。因而現有行人檢測技術難以兼顧檢測準確率和檢測速度，由于人體和背景場景中存在較大的變化和混論，因此，行人檢測具有挑戰性。目標檢測驅動了很多基于視覺的任務，如語義分割，姿態估計，跟蹤，動作識別。且應用在下游業務中，如監控，自動駕駛，視覺回答。當前檢測器都以bbox軸對稱框的形式緊緊貼合著目標。對于每個目標框，分類器來確定每個框中是否是特定類別目標還是背景，目標檢測識別往往在圖像上將目標以軸對稱的框形式框出。大多成功的目標檢測器都先窮舉出潛在目標位置，然后對該位置進行分類，這種做法浪費時間而且低效，還需要額外的后處理。

發明內容

本發明要解決的技術問題是克服現有技術的缺陷，提供一種基于關鍵點的行人檢測算法。