[發明專利]一種基于細節辨別區別的實時顯著性行人檢測方法

有效

• 申請號: 201911078936.5
• 申請日: 2019-11-06
• 公開（公告）號: CN110929593B
• 公開（公告）日: 2023-06-20
• 發明（設計）人: 陳彬;趙聰聰;白雪峰;于水;胡明亮;樸鐵軍
• 申請（專利權）人: 哈爾濱工業大學（威海）
• 主分類號: G06V40/10
• 分類號: G06V40/10;G06V10/56;G06V10/46;G06V10/774;G06V10/762;G06V10/764
• 代理公司: 北京和豐君恒知識產權代理有限公司 11466
• 代理人: 黃啟行

一種基于細節辨別區別的實時顯著性行人檢測方法，在現有的圖像數據集中進行參數預訓練；對監控視頻中的視頻數據讀取并轉化為可處理的圖像格式；對步驟B中的圖像進行特征提取；預訓練的模型參數遷移到YOLO神經網絡模型，在行人檢測數據集上進行網絡模型訓練，用訓練好的網絡模型根據行人特征H和顯著性特征進行行人檢測。通過現有公開圖像數據集中上進行參數預訓練并引入到YOLO神經網絡模型上，根據檢測顯著性區域特征和注重細節辨別區分的行人特征，進而實時的對行人進行檢測，此種方法相比于單純利用YOLO模型，有效地增加模型的多尺度預測泛化能力和極大的提高了系統的檢測速率以及降低漏檢率。

技術領域

本發明涉及行人檢測領域，尤其涉及一種基于細節辨別區別的實時顯著性行人檢測方法。

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。其在車輛輔助駕駛、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。近年來，隨著智能檢測的快速發展，行人檢測也進入了一個較快的發展階段，但是還存在很多問題有待解決，尤其是在性能和速度方面難以達到平衡。目前行人檢測技術大概可以分為兩類：1、基于背景建模，利用背景建模方法，提取出前景運動的目標，在目標區域內進行特征提取，然后利用分類器進行分類，判斷是否包含行人，背景建模目前主要存在的問題：(1)必須適應環境的變化(比如光照的變化造成圖像色度的變化)；(2)相機抖動引起畫面的抖動(比如手持相機拍照時候的移動)；(3)物體檢測中往往會出現Ghost區域，Ghost區域也就是指當一個原本靜止的物體開始運動，背景差檢測算法可能會將原來該物體所覆蓋的區域錯誤的檢測為運動的，這塊區域就成為Ghost，當然原來運動的物體變為靜止的也會引入Ghost區域，Ghost區域在檢測中必須被盡快的消除。

目前行人檢測的主要方法是通過使用有效的特征提取方法，并用HOG、PGA等方法進行特征降維，之后通過分類器如支持向量機等實現二分類，從而判斷目標物體是否為待檢測行人。隨著卷積神經網絡的發展，使用卷積神經網絡進行行人識別的研究愈發增加，得到了較好的識別效果，但隨著網絡規模的復雜化，檢測的速度不能滿足實時性需求。YOLO是近年來提出的一種物體檢測方法。它將一張待檢測圖片分為若干個小的區域，通過單個卷積神經網絡得出每個區域所包含的物體及其屬性，包括物體所占區域的中心位置、長寬等，從而達到目標檢測的目的，在物體檢測中得到了良好的效果。相比于其他檢測系統，YOLO神經網絡的優勢在于其網絡結構簡單，可以達到遠高于常用視頻幀數30幀以上的檢測速度，同時擁有良好的檢測效果。

在行人檢測的發展從傳統方法的特征提取、度量學習兩階段到轉向基于深度學習的端到端學習過程中，行人檢測技術目前存在以下主要問題：(1)行人的姿態、服飾各不相同、復雜的背景、不同的行人尺度以及不同的光照環境；(2)提取的特征在特征空間中的分布不夠緊湊；(3)分類器的性能受訓練樣本的影響較大；(4)離線訓練時的負樣本無法涵蓋所有真實應用場景的情況。(5)對于判定為行人的區域通過矩形框確定位置信息，由于通常會選取多種尺寸的滑窗大小，一個行人的位置可能包含多個重疊的矩形框，最后需要采用非極大值抑制(Non-Maximum?Suppression，NMS)算法進行后處理，輸出每個檢測到行人的最佳位置。早期的行人檢測采用精心設計的手工特征(SIFT、HOG等)來描述行人特征，再通過支持向量機(Support?Vector?Machine，SVM)分類器進行分類，這個過程屬于淺層學習，對行人特征的刻畫能力有限，往往達不到理想的效果。

發明內容

本發明涉及一種基于細節辨別區別的實時顯著性行人檢測方法，所述方法的檢測效率極大的提高且降低漏檢率。

一種基于細節辨別區別的實時顯著性行人檢測方法，包括以下幾個步驟：

步驟A：在現有的圖像數據集中進行參數預訓練；