[发明专利]用于分析图像的方法和设备

说明书

本发明涉及用于使用针对多个类别而预先训练的深度神经网络（25）来分析图像（13，18，24，48）的方法（12，17，23）和设备（15）。图像（13，18，24，48）借助于通过经适应的神经网络的前向传递（20，30）来被处理以生成处理结果。经适应的神经网络根据预先训练的神经网络（25）被适应成聚焦于确切的一个所选类别。然后使用图像处理算法，对聚焦于与所选类别相对应的特征的处理结果进行分析。通过从图像（13，18，24，48）中移除这些特征的表现（49），来生成经修改的图像（55）。

本发明涉及一种用于使用人工深度神经网络来分析图像的方法和设备，该人工深度神经网络也称为神经网络。

图像分析是各种应用中的常见问题。在比如监督、驾驶员辅助系统、自主驾驶之类的应用中，或在需要关于环境的信息的任何应用中，对图像进行分析以检测对象是一项重要任务。此外，通常存在检测比如行人或车辆的特定种类的对象的需要。尤其是在存在靠近在一起和/或被部分遮挡的多个前景对象的场景中，正确的图像分析——即对所有对象的正确检测——变得具有挑战性。

存在用以在这些困难的场景中处理基于图像的对象检测的各种方案。一种方法使用基于来自在邻近处的检测的尺度和遮挡线索的可视背景（context）来检测行人，以用于监督应用，尤其是对于拥挤场景的应用。另一方案使用概率性行人检测框架。在该框架中，基于可变形部分的模型被用来获得用于部分检测的得分，并且各部分的可视性作为隐藏变量而被建模。另一方法使用二次无约束二进制优化框架来推出在具有空间重叠的情况下的多个对象检测。该方法使由一元检测置信度得分和成对重叠约束组成的目标函数最大化，以确定哪些重叠检测应该被抑制以及哪些应该被保持。另一方案是将与个体性（individualness）进行组合的行列式点过程进行组合，以最佳地选择最终检测。其中，基于个体性，每个检测使用其质量和与其他检测的相似性来被建模。然后，通过使用矩阵的行列式测量它们的概率来选择具有高检测得分和低相关性的检测，该矩阵由对角线条目上的质量项和作为非对角线条目的相似性组成。还有另一方案使用分层共现模型来增强行人的语义表示。其中，采用潜在支持向量模型（SVM）结构来作为隐藏变量而对节点的父子对当中的空间共现关系进行建模以用于处理部分遮挡。

论文“Cross-scene Crowd Counting via Deep Convolutional NeuralNetworks”（Cong Zhang等人，2015 IEEE计算机视觉和模式识别会议，IEEE，2015年6月7日，第833-841页，XP032793494，doi：10.1109/CVPR.2015.7298684）提出了利用深度卷积神经网络来解决跨场景人群计数问题。其中，提出了一种具有两个相关学习目标——估计密度图和全局计数——的可切换训练方案。另外，提出了一种数据驱动的方法来从训练数据中选择样本，以微调适应于未见场景的预先训练的CNN模型。

本发明的一个目的是提供一种用于准确分析图像的可替换的、易于实现的方案。

该目的通过具有专利权利要求1的特征的方法和具有专利权利要求11的特征的设备来实现。在从属专利权利要求中以及在以下的描述和附图中指示了具有本发明的权宜发展的有利实施例。