[发明专利]基于神经网络的人头检测方法、系统及存储介质

说明书

本申请实施例中提供了一种基于神经网络的人头检测方法、系统及存储介质。采用本申请基于神经网络的人头检测方法，通过输入被测图像至深度残差网络提取得到特征响应图；然后，输入特征响应图至空间注意力网络得到注意力图，注意力图用于增强特征响应图得到增强特征响应图；其次，输入增强特征响应图至区域生成网络RPN得到候选框；最后根据候选框的特征得到人头检测结果。通过空间注意力网络获得增强的特征，并提高了分类能力，从而提高了头部和相对区域的特征的质量，有效的提高人头检测的准确程度。通过特征模拟方法进一步提高了分类能力。解决了现有技术的现有的人头检测方法无法很好的解决复杂场景中的漏检和虚警的问题。

技术领域

本申请属于图像识别及检测技术领域，具体地，涉及一种基于神经网络的人头检测方法、系统及存储介质。

背景技术

人头检测是许多与人头相关的应用程序任务的基本任务，例如：人物识别，视觉跟踪和动作识别等任务。在安全和紧急管理中，也需要检测每个人的位置并通过人头数量计算总人数。特别是在某些无人监管并且拥挤的环境中，事故发生的可能性增加，需要对人数做出限制或者利用检测出来的人头的结果做后续的任务，人头检测是一项广泛使用的任务，需要再复杂场景下通过人的头部检测来识别人的存在，头部检测属于目标检测中的子类，需要找到图片中人头的所在位置。这就对检测器的性能提出来更高的要求。

人头检测可以视为目标检测的一种特定形式。许多基于卷积神经网络CNN(Convolutional Neural Networks)的目标检测方法已经在头部检测任务中进行了优化，并获得了显著的性能提升。但是，人头检测仍然是一个十分具有挑战性的问题。在复杂的场景下，由于照片中人头的遮挡，场景的照明和模糊的干扰，存在许多人头检测误报和漏检的现象。大大降低了检测任务的准确性，并使检测器无法满足实际应用的要求。因此，有必要对人头检测做进一步的研究。

发明内容

本发明提出了一种基于神经网络的人头检测方法、系统及存储介质，旨在解决现有技术的现有的人头检测方法无法很好的解决复杂场景中的漏检和虚警的问题。

根据本申请实施例的第一个方面，提供了一种基于神经网络的人头检测方法，包括以下步骤：

输入被测图像至深度残差网络提取得到特征响应图；

输入特征响应图至空间注意力网络得到注意力图，注意力图用于增强特征响应图得到增强特征响应图；

输入增强特征响应图至区域生成网络RPN得到候选框；

根据候选框的特征得到人头检测结果。

可选地，还包括：

根据损失函数对之前步骤进行训练，损失函数包括特征模拟损失函数L_m，特征模拟损失函数L_m公式为：

其中i表示候选框，u⁽ⁱ⁾表示输入候选框i至深层级联分类网络后得到的分类特征，v⁽ⁱ⁾表示输入候选框i至感兴趣区域池化得到的候选框特征，L_cls(.)表示级联分类损失函数，Φ表示抽样的候选框，p表示候选框为人头的预测概率，p^*表示候选框的标签属性，p^*＝1时为正样本，p^*＝0时为正样本。

可选地，还包括：

根据损失函数对之前步骤进行训练，损失函数包括分类网络检测损失函数以及空间注意力网络的交叉熵函数。

可选地，损失函数L公式具体为：

L＝L_det+λ₁L_a+λ₂L_m；