[发明专利]一种基于深度学习的红外图像行人检测方法及检测系统

权利要求书

1.一种基于深度学习的红外图像行人检测方法，其特征在于，所述红外图像行人检测方法包括如下步骤：

步骤S1：获取数据和数据预处理：获取包含行人的红外图像，对红外图像进行预处理，并对预处理后的红外图像进行人工标注，然后按照设定比例划分为检测模型的训练集和验证集；

步骤S2：基于卷积神经网络构建目标检测FIDN网络：所述目标检测FIDN网络包括若干层卷积层和最大池化层，及设置在卷积层和最大池化层后面的扩张卷积层，卷积层的堆叠中，当通道数达到设定值时，扩张卷积层的通道数不再增加；

步骤S3：模型训练：使用训练集对目标检测FIDN网络进行模型训练，并选出在验证集表现最优的最优模型；

步骤S4：最优模型预测：基于最优模型，在GPU服务器上进行预测，实现对视频流进行目标检测。

2.根据权利要求1所述的红外图像行人检测方法，其特征在于：步骤S2中，所述目标检测FIDN网络还包括自适应特征图通道加权模块，设置在扩张卷积层输出端，用于对扩张卷积层输出的特征图的通道加权。

3.根据权利要求2所述的红外图像行人检测方法，其特征在于：所述自适应特征图通道加权模块的处理方法为：

A1：使用一个全局池化层把特征图压缩为1*1*C，其中，C表示特征图的通道数；

A2：使用全连接层把通道数压缩为C/16；

A3：通过Relu激活函数，使用全连接层把通道数还原为C；

A4：输出结果接sigmoid激活层，得到一个1*1*C的权重向量，经过sigmoid函数处理，所述权重向量内的权重取值在0-1之间；

A5：采用权重对特征图通道维度进行加权。

4.根据权利要求1-3任一项所述的红外图像行人检测方法，其特征在于：步骤S1中，所述预处理包括中值滤波处理，中值滤波公式如下：

g(x,y)＝median{fx-k,y-l),(k,l)∈W}

其中，f(x,y)和g(x,y)分别为原始图像和处理后图像，W为二维模板。

5.根据权利要求4所述的红外图像行人检测方法，其特征在于：人工标注是使用标注工具将每一张图片中的行人都用矩形框框出，矩形框为目标行人的最小外接矩形，对应产生的XML文件，在XML文件中，记录图中每个目标的坐标，包含左上角坐标x，左上角坐标y，宽度w和高度h，同时删掉图片模糊或者难以标注的图片，将上述数据混合，按照9:1的比例划分为检测模型的训练集和验证集。

6.根据权利要求5所述的红外图像行人检测方法，其特征在于：步骤S2中，所述目标检测FIDN网络由7层1*1卷积或者3*3卷积网络构成的全卷积网络，图像上的候选框是在直接在原图像上产生，生成方法如下：

B1：直接把原图像分为S*S个区域，其中S为最后一个卷积的特征图的大小；

B2：在每个区域生成若干个长宽比不同的候选框，具体长宽比根据数据集标记的矩形框使用k-means算法得到；

B3：根据实际数据集计算先验候选框的尺寸分布，使用(1-IoU)作为距离度量，其中IoU表示先验候选框与标记的矩形框之间面积的交并比，计算公式如下：

其中，A表示先验候选框，B表示标记的矩形框，∩表示A与B的交集，∪表示A与B的并集。

7.根据权利要求6所述的红外图像行人检测方法，其特征在于：所述目标检测FIDN网络以轻量级卷积神经网络作为骨干网络，根据目标检测算法，使用一个1*1的卷积进行预测，所述目标检测算法的定位损失函数为：

其中，λ是一个控制定位损失在总的损失占比的系数，S表示最后卷积的特征图的大小，A表示每个区域生成锚框的个数，是一个0-1函数，如果第i行j列的区域有目标，取值为1，否则取值0，x,y,h,w分别表示中心点的坐标、预测框的高和宽，其中下标带^表示是真实值，没带^的表示预测值。