[發明專利]一種多尺度遮擋行人檢測方法及系統

有效

• 申請號: 202110372771.3
• 申請日: 2021-04-07
• 公開（公告）號: CN113191204B
• 公開（公告）日: 2022-06-17
• 發明（設計）人: 韓守東;鄭麗君;潘孝楓;丁繪霖
• 申請（專利權）人: 華中科技大學
• 主分類號: G06V10/44
• 分類號: G06V10/44;G06V10/774;G06V20/52;G06V40/10;G06K9/62
• 代理公司: 華中科技大學專利中心 42201
• 代理人: 王穎翀

本發明公開了一種多尺度遮擋行人檢測方法和系統，將行人頭部檢測模型與行人全身檢測模型相結合，通過可信IoU閾值構建待定全身檢測結果集，并結合全身檢測結果與頭部檢測結果的匹配情況對待定全身檢測結果集再次進行篩選，提升了密集場景下的行人檢出率。采用多個單分辨率并行子網絡和多個多尺度特征融合模塊來構建特征提取網絡，提升了特征提取網絡輸出特征的質量和信息完備性。在通道連結多個子網絡輸出特征后，使用通道選取模塊進一步聚合了語義相關的特征通道，為后續多尺度目標的中心點預測、尺度預測和偏置預測任務提供了更良好和更精準的特征信息。

技術領域

本發明屬于計算機視覺圖像處理領域，更具體地，涉及一種多尺度遮擋行人檢測方法及系統。

背景技術

行人檢測是計算機視覺領域中一種非常重要而又相當具有挑戰性的熱點問題。行人檢測同目標檢測一樣，目的是在圖像或視頻中判斷是否存在行人目標以及精準確定目標位置。

雖然目標檢測技術已經發展得相對成熟，但由于行人目標具有各種尺度、姿態以及遮擋情況，再加上不同自然環境、攝像機設置、拍攝角度等因素的影響，一般的目標檢測器很難完美適用于行人檢測問題。然而在現實生活中，行人檢測在車輛輔助駕駛系統、智能交通、人群監控等領域中的實際應用，不僅能夠幫助解決許多社會安全問題，還能在一定程度上解放人力資源，實現自動化。因此，即使在行人檢測算法研究的道路上困難重重，還是有眾多學者、機構、公司為其廣大的應用發展前景而前赴后繼，努力找到一種更好的方法，使得行人檢測器能夠更有效地應用在現實生活與生產中。

目前大多行人檢測器都是在兩階段檢測算法Faster R-CNN網絡基礎上針對特定問題進行改進，但近年來興起的無錨檢測器憑借其結構簡單、檢測效果佳、擴展性強、魯棒性好等優勢在行人檢測乃至目標檢測領域得到了迅速的發展。CSP(Center and ScalePrediction，中心點和尺度預測)是一個基于密集預測的典型無錨檢測器，它利用CNN高度的抽象能力，以更高層的語義特征點(目標中心點和目標寬高屬性)來代替低層視覺特征點(感興趣區域、角點、極值點等)進行檢測。

雖然與一般基于深度學習的檢測器相比，CSP打破了手工設置固定大小、縱橫比錨框的限制，減少了超參數限制帶來的泛化性能丟失，同時緩解了背景干擾過多、正負樣本不均衡等問題，但對于多尺度行人檢測和密集場景中行人遮擋等難點問題，該檢測器還是存在較大的改進空間。

發明內容

針對現有技術的以上缺陷或改進需求，本發明提供了一種多尺度遮擋行人檢測方法及系統，以減少密集場景下多尺度遮擋行人的錯檢和漏檢。

為實現上述目的，按照本發明的一個方面，提供了一種多尺度遮擋行人檢測方法，包括：

S1：將待檢測圖像分別輸入行人全身檢測模型和行人頭部檢測模型，得到全身檢測結果集和頭部檢測結果集；其中，所述行人全身檢測模型和行人頭部檢測模型均基于訓練好的CSP模型建立；

S2：取出置信度最高的全身檢測結果作為最終檢測結果，并將其作為參考對象，計算余下的全身檢測結果與參考對象之間的IoU值，將IoU值大于可信閾值的全身檢測結果取出構建為待定檢測結果集；

S3：逐一判斷待定檢測結果是否具有匹配的頭部檢測結果，若是，則將所述待定檢測結果返回至全身檢測結果集，返回步驟S3，直至全身檢測結果集為空集；若否，返回步驟S3，直至全身檢測結果集為空集。

優選地，所述逐一判斷待定檢測結果是否具有匹配的頭部檢測結果，具體為：

將頭部檢測結果按照預設比例轉化為虛擬全身檢測結果，計算待定檢測結果與未被匹配的各虛擬全身檢測結果的IoU值，若各IoU值中的最大值大于匹配IoU閾值，且所述待定檢測結果與所述最大值對應的虛擬全身檢測結果的寬值間距與高值間距之和小于匹配間距閾值，則所述待定檢測結果有匹配的頭部檢測框。