[發(fā)明專利]人體頭肩區(qū)域的定位方法、定位裝置和電子設(shè)備

有效

• 申請?zhí)枺?/td>: 202011432151.6
• 申請日: 2020-12-09
• 公開（公告）號: CN112507872B
• 公開（公告）日: 2021-12-28
• 發(fā)明（設(shè)計）人: 王金橋;趙朝陽;趙旭
• 申請（專利權(quán)）人: 中科視語（北京）科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62;G06N3/04
• 代理公司: 北京知呱呱知識產(chǎn)權(quán)代理有限公司 11577
• 代理人: 康震

本發(fā)明實(shí)施例公開了人體頭肩區(qū)域的定位方法、定位裝置和電子設(shè)備，該定位方法包括：將目標(biāo)圖像通過卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行卷積得到縮小后的特征圖；再次進(jìn)行卷積得到第一特征圖、第二特征圖和第三特征圖；進(jìn)行多焦距上下文處理得到第一融合特征圖、第二融合特征圖和第三融合特征圖；經(jīng)過預(yù)測卷積層得到每個位置的概率和編碼包圍框輸出值；將每個像素位置處的編碼包圍框輸出值進(jìn)行反編碼得到圖像坐標(biāo)系下的包圍框坐標(biāo)，并結(jié)合分類概率得到第一定位結(jié)果；進(jìn)行包圍框過濾得到第二定位結(jié)果；進(jìn)行非極大值抑制得到最終定位結(jié)果。本發(fā)明直接由輸入圖像產(chǎn)生定位結(jié)果，比雙階段方法高效，同時神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)輕量，能準(zhǔn)確且高效地提取頭肩區(qū)域的特征。

技術(shù)領(lǐng)域

本發(fā)明實(shí)施例涉及計算機(jī)視覺和模式識別技術(shù)領(lǐng)域，具體涉及人體頭肩區(qū)域的定位方法、定位裝置和電子設(shè)備。

背景技術(shù)

人體頭肩區(qū)域定位，也被稱為頭肩檢測，是將圖像或視頻幀中的所有人體頭肩部位以矩形包圍框的形式定位出來。人體頭肩區(qū)域定位有著廣泛的應(yīng)用場景：在人群計數(shù)應(yīng)用中，可通過統(tǒng)計人體頭肩包圍框的數(shù)量來計數(shù)，獲得精準(zhǔn)的數(shù)量和人群位置密度信息；在人群行為分析中，可以通過對連續(xù)視頻幀中每個頭肩區(qū)域進(jìn)行跟蹤，獲得行人個體運(yùn)動方向；在司乘、工地等場景的違規(guī)行為監(jiān)測中，可對頭肩區(qū)域定位后，對頭肩區(qū)域進(jìn)行分析來獲得相應(yīng)人員是否有抽煙、打電話、違規(guī)佩戴安全帽等行為。頭肩區(qū)域定位功能往往需部署在低計算力的遠(yuǎn)程設(shè)備終端，要求頭肩區(qū)域檢測方法保持足夠準(zhǔn)確率前提下，擁有高執(zhí)行效率和低資源占用。

相關(guān)技術(shù)為了達(dá)到高效率采用傳統(tǒng)圖像目標(biāo)檢測方法來定位頭肩區(qū)域，例如ACF算法或DPM算法，對遮擋、模糊、暗光、姿態(tài)變化等場景表現(xiàn)不佳；此外，采用基于深度學(xué)習(xí)的兩步目標(biāo)檢測方法，利用雙階段神經(jīng)網(wǎng)絡(luò)由粗到精地定位頭肩區(qū)域，利用深度神經(jīng)網(wǎng)絡(luò)在圖像識別上的強(qiáng)大特征抽取能力，但是運(yùn)行效率不高且資源占用過大。

發(fā)明內(nèi)容

本發(fā)明實(shí)施例的目的在于提供人體頭肩區(qū)域的定位方法、定位裝置和電子設(shè)備，用以解決現(xiàn)有在低效率終端設(shè)備上運(yùn)行算法面臨的高準(zhǔn)確率和低資源占用率需求的問題。

為實(shí)現(xiàn)上述目的，本發(fā)明實(shí)施例主要提供如下技術(shù)方案：

第一方面，本發(fā)明實(shí)施例提供了一種人體頭肩區(qū)域的定位方法，包括：

將目標(biāo)圖像通過卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行卷積得到縮小后的特征圖；

將所述縮小后的特征圖進(jìn)行卷積得到分辨率互不相同的第一特征圖、第二特征圖和第三特征圖；

將所述第一特征圖、所述第二特征圖和所述第三特征圖分別進(jìn)行多焦距上下文處理得到第一融合特征圖、第二融合特征圖和第三融合特征圖；

將所述第一融合特征圖、所述第二融合特征圖和所述第三融合特征圖分別經(jīng)過預(yù)測卷積層得到每個位置的概率和編碼包圍框輸出值；

將每個像素位置處的編碼包圍框輸出值進(jìn)行反編碼得到圖像坐標(biāo)系下的包圍框坐標(biāo)，并和分類概率組合成區(qū)域定位向量，將所有預(yù)測層所有像素位置的包圍框匯總在一起，得到第一定位結(jié)果；

對所述第一定位結(jié)果進(jìn)行包圍框過濾得到第二定位結(jié)果；

對所述第二定位結(jié)果進(jìn)行非極大值抑制得到最終定位結(jié)果。

根據(jù)本發(fā)明的一個實(shí)施例，所述將目標(biāo)圖像通過卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行卷積得到縮小后的特征圖，包括：

將所述目標(biāo)圖像采用跨度為2的卷積層，逐次按2倍進(jìn)行特征圖縮小得到所述縮小后的特征圖。

根據(jù)本發(fā)明的一個實(shí)施例，所述卷積神經(jīng)網(wǎng)絡(luò)的卷積層由稀疏連接卷積層和普通卷積層交替排列；其中，所述稀疏連接卷積層的輸入和輸出通道數(shù)相同，且在序號相同的輸入通道和輸出通道之間網(wǎng)絡(luò)連接，其卷積核權(quán)重矩陣大小為N×3×3，N為通道數(shù)。

根據(jù)本發(fā)明的一個實(shí)施例，所述卷積神經(jīng)網(wǎng)絡(luò)的激活函數(shù)為：