[發明專利]目標檢測中候選框去冗余方法

有效

• 申請號: 202010426658.4
• 申請日: 2020-05-19
• 公開（公告）號: CN111582226B
• 公開（公告）日: 2022-09-16
• 發明（設計）人: 姜晶菲;竇勇;李景琳;許金偉;劉志強;趙小強;韓哲;付強;秦步月;溫冬
• 申請（專利權）人: 中國人民解放軍國防科技大學
• 主分類號: G06V40/16
• 分類號: G06V40/16;G06V10/94;G06V10/82
• 代理公司: 長沙中科啟明知識產權代理事務所(普通合伙) 43226
• 代理人: 匡治兵

本發明公開了一種目標檢測中候選框去冗余方法，目的是解決去冗余時間過長的問題。技術方案是先構建由數據預處理模塊、最大值比較模塊、篩選模塊、數據恢復模塊組成的候選框去冗余加速器，篩選模塊中的交并比單元組由S個交并比單元組成，交并比單元均為九級流水結構，最大值比較模塊中的K級比較器也是一個K級流水結構，一次可以處理2^k組候選框數據。數據預處理模塊對N組候選框進行預處理，最大值比較模塊、篩選模塊、數據恢復模塊并行工作，采用流水的方法對N組候選框數據進行最大值候選框選取、篩選、數據恢復。本發明既可大大加快篩選冗余候選框的速度，又解決了目前傳統非極大值抑制算法容易誤刪人臉的缺陷。

技術領域

本發明涉及一種圖像識別領域的候選框去冗余方法，尤其指目標檢測領域中的候選框去冗余方法。

背景技術

目標檢測即檢測出圖像中物體的位置和類別，比起人工檢測具有速度快，大批量等特點，具有極高的使用價值。目前目標檢測技術已經成熟應用在人臉識別，汽車自動駕駛和視頻監控中，給人們的生活、工作帶來極大便利。

在深度學習浪潮來襲前目標檢測發展緩慢，大多依靠DPM(deformable partmodel零件模型)(見文獻“Felzenszwalb P,Mcallester D,Ramanan D.Adiscriminatively trained,multiscale,deformable part model[J].Cvpr,2008,8::1-8.”即Felzenszwalb P的“一種經過鑒別訓練的、多尺度、可變形的零件模型”)HOG(Histograms of oriented gradients梯度直方圖)特征(見文獻“Dalal N,TriggsB.Histograms of oriented gradients for human detection[C]//Computer Visionand Pattern Recognition,2005.CVPR 2005.IEEE Computer Society Conferenceon.IEEE,2005,1:886-893.(2016:Google Citation:14046)”即Dalal N的“面向人類檢測的梯度直方圖”)等傳統方法來提高精度。直到在ImageNet圖像分類大賽中提出了卷積神經網絡的方法，目標檢測開始飛速發展起來。目前主流的方法有MTCNN，YOLO，RCNN，SSD，RetinaNet等，以采用MTCNN網絡的圖像識別方法為例(見文獻“Zhang K,Zhang Z,Li Z,etal.Joint Face Detection and Alignment Using Multitask Cascaded ConvolutionalNetworks[J].IEEE Signal Processing Letters,2016,23(10):1499-1503.”即Zhang K的“基于多任務級聯卷積網絡的人臉聯合檢測與對準”)，如論文中第2頁所描述的，MTCNN是一個級聯神經網絡，由三個網絡即P網絡，R網絡，O網絡串聯而成。其中P網絡是一個全卷積的神經網絡結構，P網絡進行特征提取的步驟是：

1.原圖片I經過金字塔縮放后,通過10個3*3*3的卷積層，2*2的池化層操作，生成10個特征圖。

2. 10個特征圖通過16個3*3的卷積層，生成16個特征圖。

3. 16個特征圖通過32個3*3的卷積層，生成32個特征圖。

4. 32個特征圖通過2個1*1的卷積層，生成2個特征圖用于分類；同時這32個特征圖通過4個1*1的卷積層，生成4個特征圖作為回歸候選框；同時這32個特征圖通過10個1*1的卷積層，生成10個特征圖用于人臉輪廓點的判斷。

R網絡，O網絡與P網絡結構類似，基本功能相同，在邏輯上是串行的。P網絡對原圖片I進行第一次提取回歸候選框，之后將這些回歸候選框和原圖片I發送到R網絡；R網絡提取第二候選框，將第二候選框和原圖片I發送到O網絡；O網絡提取第三候選框，第三候選框作為MTCNN系統的輸出結果，即目標在原圖I中的位置。MTCNN神經網絡對原始圖像進行目標檢測的基本流程為：