[發明專利]一種面向移動端實時應用的人體目標檢測方法及系統

在審

• 申請號: 202111479520.1
• 申請日: 2021-12-06
• 公開（公告）號: CN114241518A
• 公開（公告）日: 2022-03-25
• 發明（設計）人: 賈寧;陳瀟;劉文強
• 申請（專利權）人: 上海震巽智慧科技有限公司
• 主分類號: G06V40/10
• 分類號: G06V40/10;G06K9/62;G06N3/04;G06N3/08;G06V10/46;G06V10/80
• 代理公司: 上海樂泓專利代理事務所(普通合伙) 31385
• 代理人: 蘇杰

1.一種面向移動端實時應用的人體目標檢測方法，其特征在于：包括以下步驟：

S1：采集數據，并對數據進行預處理；

S2：將預處理過后的數據輸入至深度學習框架進行訓練得到網絡模型文件，所述深度學習框架包括對預處理過后的數據進行特征初提取的特征提取網絡，對特征提取網絡得到的特征圖經過空間金字塔池化SPP和特征金字塔FPN訓練之后輸出網絡模型文件；

S3：將網絡模型文件部署到移動端，完成對人體的檢測并輸出結果。

2.根據權利要求1所述的一種面向移動端實時應用的人體目標檢測方法，其特征在于：所述步驟S1中對數據進行的預處理包括對數據進行的雙線性插值、錨點聚類和負樣本的剔除。

3.根據權利要求2所述的一種面向移動端實時應用的人體目標檢測方法，其特征在于：所述錨點聚類采用基于IOU的k-means的聚類方法。

4.根據權利要求1所述的一種面向移動端實時應用的人體目標檢測方法，其特征在于：所述步驟S2中當對特征提取網絡得到的特征圖經過空間金字塔池化SPP訓練得到二次特征圖，二次特征圖經特征金字塔FPN訓練輸出結果的同時對二次特征圖做上采樣，并和對特征提取網絡得到的特征圖進行融合之后再送入特征金字塔FPN訓練輸出結果，將兩種輸出結果進行融合后最終輸出網絡模型文件。

5.根據權利要求4所述的一種面向移動端實時應用的人體目標檢測方法，其特征在于：步驟S3中將網絡模型文件部署到移動端之前，先對網絡模型文件進行模型壓縮。

6.根據權利要求1所述的一種面向移動端實時應用的人體目標檢測方法，其特征在于：所述步驟S3中部署到移動端的具體步驟如下：

S31：將網絡模型文件的格式模型轉化為移動端支持的格式模型；

S32：對轉化為移動端支持的格式模型進行驗證；

S33：驗證成功即得到移動端支持的格式模型，若驗證失敗，則重新進行格式轉化。

7.根據權利要求6所述的一種面向移動端實時應用的人體目標檢測方法，其特征在于：步驟S31中當用于格式轉化的轉換工具不支持網絡模型文件的某個網絡結構層時，通過其他網絡結構層進行組合實現轉化或者當不能通過其他網絡結構層進行組合時，以未能成功轉換的某個網絡結構層L為截斷，僅轉換網絡結構中L層以前的網絡結構層參數，L層及以后的網絡結構層均放置到開發板中用于后期實現成功轉換。

8.一種面向移動端實時應用的人體目標檢測系統，其特征在于：使用如權利要求1-7任一項權利要求所述的面向移動端實時應用的人體目標檢測方法實現。