[发明专利]行人检测网络及模型训练方法、检测方法、介质、设备

权利要求书

1.一种行人检测网络模型训练方法，其特征在于，包括步骤：

行人检测网络，以VGG16为基础网络，选用其中的fc6、fc7，再增加conv6_2、conv7_2和conv8_2三个特征层，总共包括五个特征层，将VGG16中的fc6的全连接操作改成3x3的卷积操作；

通过inception操作生成fc7，将VGG16中的conv4_3和fc7选为特征层；

通过inception操作增加conv6_2、conv7_2、conv8_2共3个特征层，得到总共5个特征层；

将所述行人检测网络设置为二分类检测；

确定行人数据集并统计数据集中行人框的宽高比，得到行人框宽高比的期望值E；

对所述行人检测网络的5个特征层生成的特征图使用不规则卷积核进行特征提取，从每张特征图中分别得到一张表征类别置信度的置信度图和一张表征检测框坐标位置的坐标偏置图；

所述特征层进行特征提取过程中，在conv4_3和fc7之间采用pad＝0，kernel_size＝2，stride＝2的最大池化操作进行下采样，在fc7和conv6_2之间采用pad＝1，kernel_size＝3，stride＝2的卷积操作进行下采样、conv6_2和conv7_2、conv7_2和conv8_2之间分别进行两次pad＝0，kernel_size＝3，stride＝1的卷积操作，最后得到conv4_3、fc7、conv6_2、conv7_2、conv8_2所产生的特征图的尺寸分别是38x38、19x19、10x10、6x6、2x2，对原图进行划分单元格，以每个单元格为中心选取默认框；

所述坐标偏置图是通过4x4＝16个3x1的不规则卷积核生成，每一个卷积核的卷积操作得到的值分别代表候选目标框4个坐标参数x_min，x_max，y_min以及y_max中的一个，而每个网格又预测4个候选目标框；生成类别置信度图是通过2x4＝8个3x1的不规则卷积核生成，每一个卷积核的卷积操作得到值分别代表着每个候选目标框属于行人的置信度和属于背景的置信度；

制定密集框生成策略，从行人检测网络的5个特征层生成的特征图中选取密集的默认框，并通过调整默认框的宽高比为E使得其更符合行人的身体比例特征；

所述密集框生成策略统一在conv4_3、fc7、conv6_2、conv7_2、conv8_2所产生的特征图中每个网格选取4个默认框，然后将其中3个设为行人宽高比的期望值E，然后再把这3个宽高比为E的默认框均匀排列在每个网格水平方向上1/4、1/2和3/4偏移的位置上，竖直方向统一设置为网格1/2偏移的位置；剩下的一个默认框宽高比设为1:1，然后放置在特征图每个网格的中心位置形成密集框；

将训练样本图片及其标签文件生成训练数据文件，通过预处理，统一调整样本数据尺寸，然后送进调整默认框选取策略后的行人检测网络中进行训练，待达到预设的迭代次数后得到训练好的行人检测网络模型。

2.根据权利要求1所述的行人检测网络模型训练方法，其特征在于，所述行人检测网络采用的inception结构，包括四个分支，第一个分支是一个1x1卷积操作，第二个分支是一个3x3卷积操作，第三个分支包括两个操作，先进行1x1的卷积操作，然后进行3x3的最大池化操作，第四个分支5x5的卷积操作，其中5x5的卷积操作通过5x1和1x5的卷积操作级联实现，最后将四个分支所得到的结果通过concatenate操作拼接得到最终的特征层。

3.根据权利要求1所述的行人检测网络模型训练方法，其特征在于，设置置信度阈值τ和非极大抑制阈值λ，在每张特征图中预测H·W·4个候选框中通过非极大值抑制去除重复检测的目标框，然后去除类别置信度低于τ的目标框；其中，H和W分别是特征图的高度和宽度；所保留的目标框及其对应的行人类别置信度即可作为行人检测的输出结果。