[發明專利]行人旋轉框檢測方法、系統、介質及裝置

在審

• 申請號: 202310229603.8
• 申請日: 2023-03-10
• 公開（公告）號: CN116363696A
• 公開（公告）日: 2023-06-30
• 發明（設計）人: 袁德勝;游浩泉;崔龍;張欣欣;潘瀟君;馬衛民;黨毅飛;成西鋒;王海濤
• 申請（專利權）人: 匯客云（上海）數據服務有限公司
• 主分類號: G06V40/10
• 分類號: G06V40/10;G06V10/24;G06V10/25;G06V10/82;G06N3/0464;G06N3/082
• 代理公司: 上海光華專利事務所(普通合伙) 31219
• 代理人: 徐秋平

1.一種行人旋轉框檢測方法，其特征在于，包括以下步驟：

獲取行人檢測框；

構建行人檢測神經網絡；

設置所述行人檢測神經網絡的正樣本篩選策略；

設置所述行人檢測神經網絡的損失函數；

基于所述行人檢測框，采用所述正樣本篩選策略和所述損失函數訓練所述行人檢測神經網絡；

對訓練的行人檢測神經網絡進行剪枝；

基于所述行人檢測框，采用所述正樣本篩選策略和所述損失函數對剪枝后的行人檢測神經網絡進行再次訓練，以基于再次訓練的行人檢測神經網絡進行行人檢測。

2.根據權利要求1所述的行人旋轉框檢測方法，其特征在于，獲取行人檢測框包括以下步驟：

基于開源數據集獲取行人檢測框。

3.根據權利要求1所述的行人旋轉框檢測方法，其特征在于，構建行人檢測神經網絡包括以下步驟：

構建tiny-yolov3網絡，并在tiny-yolov3網絡中增加注意力模塊以進行特征融合；

設置網絡后處理模塊；

基于所述tiny-yolov3網絡和所述網絡后處理模塊構建所述行人檢測神經網絡。

4.根據權利要求1所述的行人旋轉框檢測方法，其特征在于，設置所述行人檢測神經網絡的正樣本篩選策略包括以下步驟：

選取真實標注框中心點以及周圍8個點的預測框作為該真實標注框的初篩預選框組；

當某個預選框同時在多個初篩預選框組即被匹配到多個真實標注框時，該預選框只保留在與真實標注框的交并比最大的組中，在其他初篩預選框組中刪除該預選框；

計算真實標注框和與其匹配的所述初篩預選框組之間的交并比，基于所述交并比計算交并比閾值，選取交并比大于所述交并比閾值的候選正樣本作為最終正樣本。

5.根據權利要求1所述的行人旋轉框檢測方法，其特征在于，設置所述行人檢測神經網絡的損失函數包括以下步驟：

獲取行人檢測框的置信度損失、類別損失、形狀和定位損失；

設置所述損失函數為所述置信度損失、所述類別損失、所述形狀和定位損失的和。

6.根據權利要求1所述的行人旋轉框檢測方法，其特征在于，基于所述行人檢測框，采用所述正樣本篩選策略和所述損失函數訓練所述行人檢測神經網絡包括以下步驟：

采用所述正樣本篩選策略獲取所有行人檢測框的正樣本預選框；

基于所述正樣本預選框訓練所述行人檢測神經網絡，直至訓練得到的行人檢測神經網絡的損失函數滿足預設要求。

7.根據權利要求1所述的行人旋轉框檢測方法，其特征在于，對訓練的行人檢測神經網絡進行剪枝包括以下步驟：

基于所述訓練好的行人檢測神經網絡隨機選擇每層卷積的裁剪通道數；所述裁剪通道數由裁剪系數確定；所述裁剪系數為隨機小數值；

對每個通道的卷積核之和按照從小到大排序，并去除前所述裁剪通道數的通道；

基于裁剪后的行人檢測神經網絡更新批歸一化層，并獲取裁剪后的行人檢測神經網絡的平均精度值；

選取預設數量組不同的裁剪系數，分別獲取對應的平均精度值，并基于所述裁剪系數和平均精度值計算每個卷積對平均精度值的貢獻值；

根據每個貢獻度，確定每個卷積的裁剪權重，基于裁剪權重選擇每層卷積的裁剪通道數，獲取裁剪后的行人檢測神經網絡的平均精度值，直至所述平均進度值和計算量滿足預設要求，即可得到剪枝后的行人檢測神經網絡。

8.根據權利要求1所述的行人旋轉框檢測方法，其特征在于，還包括以下步驟：

通過檢測評估指標對所述訓練好的行人檢測神經網絡模型進行檢測評估；所述檢測評估指標包括：召回率、準確率和綜合指標。