[發(fā)明專利]一種融合圖像預(yù)處理與深度學(xué)習(xí)目標檢測的人頭檢測方法

在審

• 申請?zhí)枺?/td>: 202010116670.5
• 申請日: 2020-02-25
• 公開（公告）號: CN111339934A
• 公開（公告）日: 2020-06-26
• 發(fā)明（設(shè)計）人: 李好洋;黃家名;秦瑜恒;周小芹
• 申請（專利權(quán)）人: 河海大學(xué)常州校區(qū)
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/40;G06N3/08;G06N3/04
• 代理公司: 南京縱橫知識產(chǎn)權(quán)代理有限公司 32224
• 代理人: 張倩倩

本發(fā)明公開一種融合圖像預(yù)處理與深度學(xué)習(xí)目標檢測的快速精確的人頭檢測方法，方法包括：實時獲取監(jiān)控圖像數(shù)據(jù)；對獲取到的監(jiān)控圖像數(shù)據(jù)進行預(yù)處理；將預(yù)處理后的監(jiān)控圖像數(shù)據(jù)輸入至預(yù)先訓(xùn)練的神經(jīng)網(wǎng)絡(luò)，得到監(jiān)控圖像數(shù)據(jù)中的待選區(qū)域anchor及其對應(yīng)的偏移值與置信度；根據(jù)神經(jīng)網(wǎng)絡(luò)輸出的anchor的置信度，選擇存在目標的anchor；根據(jù)神經(jīng)網(wǎng)絡(luò)輸出的anchor的偏移值，計算對應(yīng)相應(yīng)目標的預(yù)測邊界框的位置和大小；將預(yù)測邊界框按照其位置和大小在監(jiān)控圖像數(shù)據(jù)中畫出，即得到結(jié)果圖像；輸出結(jié)果圖像以及圖像中檢測到的人頭數(shù)量，所述人頭數(shù)量即為圖像中預(yù)測邊界框的數(shù)量。利用本發(fā)明的人頭檢測方法能夠提高公共場合人頭檢測的快速準確性。

技術(shù)領(lǐng)域

本發(fā)明涉及計算機視覺技術(shù)領(lǐng)域，特別是一種融合圖像預(yù)處理與深度學(xué)習(xí)目標檢測的快 速精確人頭檢測方法。

背景技術(shù)

在大量公共場合中，比如大型商場超市、旅游景區(qū)、大小交通樞紐、銀行、地鐵和學(xué)校 等，都需要對監(jiān)控攝像中的人數(shù)密集度進行實時分析，以保障公共場合有序穩(wěn)定運行。比如 對大型商場進行人數(shù)實時統(tǒng)計分析，方便決策者對過于擁擠的區(qū)域進行及時疏導(dǎo)，防止踩踏 事故的出現(xiàn)。同時該技術(shù)也可以應(yīng)用在校園場景中，實時監(jiān)控分析每個教室的人數(shù)，對學(xué)生 來講，可以根據(jù)實時提供的教室人數(shù)信息更加快速地找到合適的自習(xí)教室，減少了尋找自習(xí) 教室所需的時間。對于教師來講，此方法可以幫助教師合理分配教學(xué)資源，從而提高教學(xué)質(zhì) 量。可以看到，準確實時地計算公共場合的人流量有著良好的應(yīng)用前景以及商業(yè)價值。然而， 目前針對多場景的人數(shù)統(tǒng)計研究面臨一些挑戰(zhàn)，比如說圖像中待統(tǒng)計的行人分辨率較低，人 群相互遮擋嚴重且擁擠等問題。

目前對于人群計數(shù)主要有兩種實現(xiàn)路徑：基于特征回歸的人數(shù)統(tǒng)計方法和基于目標檢測 的人數(shù)統(tǒng)計方法，這兩種方法都涉及了有監(jiān)督的深度學(xué)習(xí)技術(shù)。一種是直接使用回歸的思路， 根據(jù)圖像回歸出擁擠人群密度熱圖，但它的缺點是只能得到場景整體的一個擁擠指數(shù)，不能 獲知人群中每個個體的具體位置，同時這種方法對圖像分辨率很敏感，不利于多場景切換使 用。另一種是使用主流的目標檢測方法，例如使用Faster R-CNN或SSD等技術(shù)檢測“人”所 在的位置，從而得出圖像中“人”的數(shù)量。這種方法的缺點是在人物相互遮擋或者光線不足 的情況下性能較差，而人群越擁擠相互遮擋的可能性越大，導(dǎo)致算法使用受限。除此之外， 這些目標檢測算法并沒有針對“人頭檢測”這一任務(wù)進行優(yōu)化，導(dǎo)致算法在檢測較低分辨率 的目標時，誤檢率和漏檢率較高。

且由于目前監(jiān)控設(shè)備硬件條件的限制，無論是網(wǎng)絡(luò)攝像頭還是有線攝像頭，監(jiān)控視頻圖 像普遍存在模糊且噪聲不穩(wěn)定的情況。

發(fā)明內(nèi)容

本發(fā)明的目的是，提供一種融合圖像預(yù)處理與深度學(xué)習(xí)目標檢測的人頭檢測方法，能夠 提高公共場合人頭檢測的快速準確性。

本發(fā)明采取的技術(shù)方案為：一種人頭檢測方法，包括：

實時獲取監(jiān)控圖像數(shù)據(jù)；

對獲取到的監(jiān)控圖像數(shù)據(jù)進行預(yù)處理；

將預(yù)處理后的監(jiān)控圖像數(shù)據(jù)輸入至預(yù)先訓(xùn)練的神經(jīng)網(wǎng)絡(luò)，得到監(jiān)控圖像數(shù)據(jù)中的待選區(qū) 域anchor及其對應(yīng)的偏移值與置信度；所述神經(jīng)網(wǎng)絡(luò)為深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)，其訓(xùn)練樣本為根 據(jù)圖像數(shù)據(jù)中待選區(qū)域anchor與人頭標定區(qū)域ground-truth的交并比選擇出anchor正負樣 本，且正樣本具有偏移標簽和置信度標簽，負樣本具有置信度標簽的圖像數(shù)據(jù)集；

根據(jù)神經(jīng)網(wǎng)絡(luò)輸出的anchor的置信度，選擇存在目標的anchor；

根據(jù)神經(jīng)網(wǎng)絡(luò)輸出的anchor的偏移值，計算對應(yīng)相應(yīng)目標的預(yù)測邊界框的位置和大小；

將預(yù)測邊界框按照其位置和大小在監(jiān)控圖像數(shù)據(jù)中畫出，即得到結(jié)果圖像；

輸出結(jié)果圖像以及圖像中檢測到的人頭數(shù)量，所述人頭數(shù)量即為圖像中預(yù)測邊界框的數(shù) 量。

可選的，神經(jīng)網(wǎng)絡(luò)的訓(xùn)練步驟包括：