[發(fā)明專利]一種YOLO卷積神經(jīng)網(wǎng)絡(luò)的人數(shù)檢測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202010974637.6
• 申請(qǐng)日: 2020-09-16
• 公開（公告）號(hào): CN112036367A
• 公開（公告）日: 2020-12-04
• 發(fā)明（設(shè)計(jì)）人: 陳敏;夏圣奎;吉訓(xùn)生;王文郁
• 申請(qǐng)（專利權(quán)）人: 南通天成現(xiàn)代農(nóng)業(yè)科技有限公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06N3/04;G06N3/08
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

本發(fā)明公開了一種YOLO卷積神經(jīng)網(wǎng)絡(luò)的人數(shù)檢測(cè)方法，通過(guò)設(shè)置有庫(kù)文件創(chuàng)建單元、特征提取單元以及人數(shù)判斷單元，庫(kù)文件創(chuàng)建單元，用于創(chuàng)建標(biāo)準(zhǔn)庫(kù)文件，標(biāo)準(zhǔn)庫(kù)文件包括若干參考卷積特征、網(wǎng)絡(luò)參數(shù)和對(duì)應(yīng)的人數(shù)；特征提取單元，用于接收攝像頭拍攝的視頻幀，并提取視頻幀的卷積特征，進(jìn)而實(shí)現(xiàn)人數(shù)檢測(cè)，人數(shù)判斷單元。該YOLO卷積神經(jīng)網(wǎng)絡(luò)的人數(shù)檢測(cè)方法，通過(guò)檢測(cè)圖像中行人和行人的分布及其語(yǔ)義計(jì)數(shù)方法屬性，利用圖像中行人的語(yǔ)義屬性學(xué)習(xí)方法來(lái)輔助行人檢測(cè)圖像中的行人，抑制行人在圖像中的語(yǔ)義屬性對(duì)行人的影響和干擾，提高檢測(cè)精度，同時(shí)，還針對(duì)目標(biāo)圖像視頻檢測(cè)場(chǎng)景下的深度學(xué)習(xí)行人計(jì)數(shù)方法準(zhǔn)確度低的問(wèn)題。

技術(shù)領(lǐng)域

本發(fā)明涉及結(jié)合優(yōu)化先驗(yàn)框選擇方式的YOLO卷積神經(jīng)網(wǎng)絡(luò)與語(yǔ)義信息的人數(shù)檢測(cè)技術(shù)領(lǐng)域，具體為一種YOLO卷積神經(jīng)網(wǎng)絡(luò)的人數(shù)檢測(cè)方法。

背景技術(shù)

目前的行人檢測(cè)算法中，利用YOLOv3目標(biāo)圖像檢測(cè)網(wǎng)絡(luò)中的圖像往往存在漏檢率較高的問(wèn)題，考慮到行人在目標(biāo)圖像網(wǎng)絡(luò)中的行人分布及語(yǔ)義計(jì)數(shù)屬性學(xué)習(xí)方法上有一定的相關(guān)性，且準(zhǔn)確度不高，因此需要發(fā)明基于優(yōu)化先驗(yàn)框選擇方式的YOLO卷積神經(jīng)網(wǎng)絡(luò)的人數(shù)檢測(cè)系統(tǒng)的方法。

發(fā)明內(nèi)容

（一）解決的技術(shù)問(wèn)題

針對(duì)現(xiàn)有技術(shù)的不足，本發(fā)明提供了一種YOLO卷積神經(jīng)網(wǎng)絡(luò)的人數(shù)檢測(cè)方法，具備對(duì)先驗(yàn)框的選擇方式進(jìn)行優(yōu)化，在先驗(yàn)框分類選擇上更加統(tǒng)籌考慮IOU行人分類之間的置信度等優(yōu)點(diǎn)，解決了行人檢測(cè)算法中，利用YOLOv3目標(biāo)圖像檢測(cè)網(wǎng)絡(luò)中的圖像往往存在漏檢率較高的問(wèn)題，考慮到行人在目標(biāo)圖像網(wǎng)絡(luò)中的行人分布及語(yǔ)義計(jì)數(shù)屬性學(xué)習(xí)方法上有一定的相關(guān)性，且準(zhǔn)確度不高的問(wèn)題。

（二）技術(shù)方案

為實(shí)現(xiàn)上述先驗(yàn)框的選擇方式進(jìn)行優(yōu)化，在先驗(yàn)框分類選擇上更加統(tǒng)籌考慮IOU行人分類之間的置信度目的，本發(fā)明提供如下技術(shù)方案：一種YOLO卷積神經(jīng)網(wǎng)絡(luò)的人數(shù)檢測(cè)方法，包括以下步驟：

S1、創(chuàng)建標(biāo)準(zhǔn)庫(kù)文件

通過(guò)已標(biāo)注行人樣本訓(xùn)練的YOLO卷積神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)參數(shù)、參考卷積特征和對(duì)應(yīng)的人數(shù)，創(chuàng)建標(biāo)準(zhǔn)庫(kù)文件。

S2、視頻幀輸入

在接收到截取攝像頭拍攝的視頻幀，輸入截取的視頻幀。

S3、軌跡區(qū)分

使用DeepSort對(duì)YOLOV3的預(yù)測(cè)框進(jìn)行軌跡級(jí)聯(lián)匹配，將連續(xù)幀圖像中的人用不同的軌跡區(qū)分開來(lái)。

輸入跟蹤集合Τ={1,…,N},檢測(cè)集合D={1,…,M},最大閾值A(chǔ)max。

矩陣С=[Ci,j]存放所有物體跟蹤i與物體檢測(cè)j之間距離的計(jì)算結(jié)果 。

矩陣В=[Bi,j]存放所有物體跟蹤i與物體檢測(cè)j之間是否關(guān)聯(lián)的判斷(0/1) 。

關(guān)聯(lián)集合М初始化為?。

將找不到匹配的物體檢測(cè)集合初始化為D。

從剛剛匹配成功的跟蹤器循環(huán)遍歷到最多已經(jīng)有Amax次沒(méi)有匹配的跟蹤器。

選擇滿足條件的跟蹤器集合 Τn ←{i∈Τ|ai=n}。

根據(jù)最小成本算法計(jì)算出Τn與物體檢測(cè)j關(guān)聯(lián)成功產(chǎn)生集合 [xi,j] 。

更新М為匹配成功的M∪{(i,j)|bi,j.xi,j0}。

從u中去除已經(jīng)匹配成功的物體檢測(cè)j。

循環(huán)（3b）到（3f）直到所有視頻幀匹配結(jié)束。

返回M,u兩個(gè)集合

S4、統(tǒng)計(jì)人數(shù)