[发明专利]基于多任务级联卷积神经网络的头肩检测方法及装置

权利要求书

1.一种基于多任务级联卷积神经网络的头肩检测方法，其特征在于，所述基于多任务级联卷积神经网络的头肩检测方法，包括如下步骤:

S10、对每帧输入图像依次进行多级缩放处理，得到具有多个不同尺寸的目标图像，所述目标图像包含有头肩框；

S20、根据第一级卷积神经网络依次对多个不同尺寸的目标图像进行第一次卷积及池化处理，并根据第一次卷积及池化处理的结果筛选出满足预设第一阈值的多个候选头肩框；

S30、根据第二级卷积神经网络依次对多个候选头肩框进行第二次卷积及池化处理，并根据第二次卷积及池化处理的结果筛选出满足预设第二阈值的多个目标头肩框，以及

S40、输出目标头肩框。

2.如权利要求1所述的基于多任务级联卷积神经网络的头肩检测方法，其特征在于，所述步骤S30之后步骤S40之前，还包括步骤S301、根据第三级卷积神经网络依次对多个候选头肩框进行第三次卷积及池化处理，并根据第三次卷积及池化处理的结果筛选出满足预设第三阈值的多个目标头肩框，其中，第三次卷积及池化处理的候选头肩框尺寸归一化为48x48x3。

3.如权利要求1所述的基于多任务级联卷积神经网络的头肩检测方法，其特征在于，所述步骤S10，具体包括：

以设定的缩放因子对每帧输入图像依次进行多级缩放处理，得到具有多个不同尺寸的目标图像。

4.如权利要求1所述的基于多任务级联卷积神经网络的头肩检测方法，其特征在于，所述步骤S20，具体包括：

根据第一级卷积神经网络依次对多个不同尺寸的目标图像进行第一次卷积及池化处理，以得到多个头肩框的位置坐标及对应的分类置信度；

根据分类置信度筛选出大于预设的第一置信度阈值的多个头肩框；以及

采用非极大值抑制方法合并相邻两个重叠率大于50％的一头肩框，形成候选头肩框。

5.如权利要求1所述的基于多任务级联卷积神经网络的头肩检测方法，其特征在于，所述步骤S30，具体包括：

根据第二级卷积神经网络依次对多个不同尺寸的目标图像中的候选头肩框进行第二次卷积及池化处理，以得到多个候选头肩框的位置坐标及对应的分类置信度，所述第二次卷积及池化处理的候选头肩框尺寸归一化为24x24x3；

根据第分类置信度筛选出大于预设的第二置信度阈值的多个候选头肩框；以及

采用非极大值抑制方法合并相邻两个重叠率大于30％的一候选头肩框，形成目标头肩框。

6.一种基于多任务级联卷积神经网络的头肩检测装置，其特征在于，所述基于多任务级联卷积神经网络的头肩检测装置，包括:

缩放模块，用于对每帧输入图像依次进行多级缩放处理，得到具有多个不同尺寸的目标图像，所述目标图像包含有头肩框；

第一级卷积神经网络模块，用于根据第一级卷积神经网络依次对多个不同尺寸的目标图像中的头肩框进行第一次卷积及池化处理，并根据第一次卷积及池化处理的结果筛选出满足预设第一阈值的多个候选头肩框；

第二级卷积神经网络模块，用于根据第二级卷积神经网络依次对多个候选头肩框进行第二次卷积及池化处理，并根据第二次卷积及池化处理的结果筛选出满足预设第二阈值的多个目标头肩框，以及

输出模块，用于输出目标头肩框。

7.如权利要求6所述的基于多任务级联卷积神经网络的头肩检测装置，其特征在于，还包括第三级卷积神经网络模块，用于根据第三级卷积神经网络依次对多个候选头肩框进行第三次卷积及池化处理，并根据第三次卷积及池化处理的结果筛选出满足预设第三阈值的多个目标头肩框，其中，第三次卷积及池化处理的候选头肩框尺寸归一化为48x48x3。

8.如权利要求6所述的基于多任务级联卷积神经网络的头肩检测装置，其特征在于，所述缩放模块具体用于，

以设定的缩放因子对每帧输入图像依次进行多级缩放处理，得到具有多个不同尺寸的目标图像。