[发明专利]一种图像帧中目标尺度与区域估计的方法

权利要求书

1.一种图像帧中目标尺度与区域估计的方法，其特征在于该方法包括以下步骤：

步骤一、离线训练

1.1将原始图像做随机裁剪和水平翻转，缩放为固定尺寸；

1.2生成大尺度目标标签：

大尺度目标定义为尺度属于[n₁,n₂]的目标；根据缩放图像上的目标宽高的均值计算大尺度分数向量；对于一个区间，如果存在属于这个尺度区间的目标，分数向量上对应的分数置为1，为正样本；如果不存在属于这个尺度区间的目标，分数向量上对应的分数置为0，为负样本；

1.3生成小尺度目标标签：

小尺度目标定义为尺度属于[m₁,m₂]的目标；将图像划分成L个大小为a、步长为s的区域；对于单个区域，根据区域内目标宽高的均值计算小尺度分数向量；正负样本计算规则与大尺度目标相同；

1.4使用caffe训练目标尺度分类器；

步骤二、在线检测

2.1、将图像缩放，输入训练好的目标尺度分类器，得到尺度估计的分布分数；

2.2、大尺度目标估计：

2.2.1、对大尺度估计的分布分数做平滑；

2.2.2、对大尺度估计的分布分数做非极大值抑制，得到全图是否有大尺度目标，如果有大尺度目标，得到大尺度目标的尺度；

2.3、小尺度目标尺度与区域估计：

2.3.1、对一个区域的小尺度估计分数做平滑；

2.3.2、对区域的小尺度估计的分布分数做非极大值抑制，得到该区域图是否有小尺度目标，如果有小尺度目标，得到小尺度目标的尺度；

2.3.3、对其它区域做2.3.1和2.3.2相同的操作；

2.4、输出图像帧的尺度和区域估计结果。

2.根据权利要求1所述的一种图像帧中目标尺度与区域估计的方法，其特征在于：在模型训练优化过程中的损失函数使用两个加权的交叉熵损失函数：

Loss表示损失，m'表示尺度序号，w_m'表示第m'个尺度区间的权重，p_m'表示第m'个尺度区间的分数，表示第m'个尺度区间的估计结果，(l,n')表示第l个图像区域的第n'个尺度区间的参数，α是一个权重比例调节参数，表示大尺度目标和小尺度目标对Loss的影响。

3.根据权利要求1或2所述的一种图像帧中目标尺度与区域估计的方法，其特征在于：使用caffe训练目标尺度分类器所使用的训练策略为：先训练一个不做区域估计的、全图的全尺度估计模型，用这个模型初始化尺度与区域估计模型，再进行训练。