[發明專利]基于Faster R-CNN熱紅外影像人物探測方法

在審

• 申請號: 202110251653.7
• 申請日: 2021-03-08
• 公開（公告）號: CN112949510A
• 公開（公告）日: 2021-06-11
• 發明（設計）人: 史文中;王帥
• 申請（專利權）人: 香港理工大學深圳研究院
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04
• 代理公司: 深圳市君勝知識產權代理事務所(普通合伙) 44268
• 代理人: 謝松

本發明公開了一種基于Faster R?CNN熱紅外影像人物探測方法，包括步驟：獲取熱紅外影像；將所述熱紅外影像輸入訓練好的Faster R?CNN深度目標檢測網絡，通過所述訓練好的Faster R?CNN深度目標檢測網絡得到所述熱紅外影像對應的目標標簽；其中，所述目標標簽包括：人物標簽。通過采用Faster R?CNN神經網絡對熱紅外影像進行人物識別，由于熱紅外影像受光照強度、天氣狀況等因素影響較小，從而使得人物識別不受光照強度、天氣狀況等因素的影響，實現對人物的連續探測。

技術領域

本發明涉及計算機視覺領域，尤其涉及的是一種基于Faster R-CNN熱紅外影像人物探測方法。

背景技術

人物探測是計算機視覺領域的一個核心問題，已經應用到了國民經濟的各個方面，包括自動檢測、自動駕駛、災后救援、公共安全等方面。雖然人物探測已經吸引了許多研究者的注意力，并催生了一系列探測算法，但這些探測算法均基于可見光影像。目前流行的算法可以大致分成兩類：傳統方法和深度學習方法。現有技術中可見光影像受光照強度、天氣狀況等因素影響較大，無法夜間和惡劣天氣條件下進行連續不斷探測。

因此，現有技術還有待于改進和發展。

發明內容

本發明要解決的技術問題在于，針對現有技術的上述缺陷，提供一種基于FasterR-CNN熱紅外影像人物探測方法，旨在解決現有技術中無法夜間和惡劣天氣條件下進行連續不斷探測的問題。

本發明解決技術問題所采用的技術方案如下：

一種基于Faster R-CNN熱紅外影像人物探測方法，其中，包括步驟：

獲取熱紅外影像；

將所述熱紅外影像輸入訓練好的FasterR-CNN深度目標檢測網絡，通過所述訓練好的FasterR-CNN深度目標檢測網絡得到所述熱紅外影像對應的目標標簽；其中，所述目標標簽包括：人物標簽。

所述的基于Faster R-CNN熱紅外影像人物探測方法，其中，所述訓練好的FasterR-CNN深度目標檢測網絡包括：卷積神經網絡、區域候選網絡、興趣區域池化層以及分類器；所述將所述熱紅外影像輸入訓練好的Faster R-CNN深度目標檢測網絡，通過所述訓練好的Faster R-CNN深度目標檢測網絡得到所述熱紅外影像對應的目標標簽，包括：

將所述熱紅外影像輸入所述卷積神經網絡，通過所述卷積神經網絡得到所述熱紅外影像對應的特征圖譜；

將所述特征圖譜輸入所述區域候選網絡，通過所述區域候選網絡得到所述熱紅外影像對應的候選區域特征；

將所述特征圖譜和所述候選區域特征輸入所述興趣區域池化層，通過所述興趣區域池化層得到所述熱紅外圖像對應的池化特征；

將所述池化特征輸入所述分類器，通過所述分類器得到所述熱紅外影像對應的目標標簽。

所述的基于Faster R-CNN熱紅外影像人物探測方法，其中，所述訓練好的FasterR-CNN深度目標檢測網絡采用如下步驟得到：

獲取訓練數據和測試數據；

根據所述訓練數據，確定訓練集和驗證集；

根據所述訓練集對預訓練模型進行訓練，得到已訓練的模型；其中，所述預訓練模型包括：Inception網絡模型或Resnet網絡模型；所述預訓練模型基于Coco數據集訓練得到；

根據所述驗證集對所述已訓練的模型進行驗證，得到驗證結果；

當所述驗證結果滿足預設驗證要求時，根據所述測試數據對所述已訓練的模型進行測試，得到測試結果；