[发明专利]一种适用于智能视频监控的目标检测方法与系统

权利要求书

1.一种适用于智能视频监控的目标检测方法，其特征在于，包括以下步骤：

1)通过轻量级骨干网络模块提取图像特征，同时利用大卷积核深度卷积和小卷积核深度卷积以分别捕获高分辨率模式和低分辨率模式，从而在计算开销小的前提下获得良好的特征提取能力；

2)通过注意力机制模块进一步提升特征提取力，同时利用通道注意力模块和空间注意力模块在通道和空间轴两个维度上对特征图进行加权，调整特征响应值以强调或抑制信息，从而提高网络的表达力；

3)通过多尺度预测模块预测目标的类别和位置，同时利用多尺度信息以适用于不同大小目标的检测；

所述的轻量级骨干网络模块主要由1×1卷积、批标准化、激活函数和混合深度卷积所构成的第一基本模块堆叠而成；

所述的轻量级骨干网络模块提取特征的方式如下：

输入：X∈R^H×W×3为固定尺寸的训练/测试RGB图像，H表示图像的高，

W表示图像的宽；

输出：F∈R^H×W×C为轻量级骨干网络提取的特征图，H表示特征图的高，W表示特征图的宽，C表示特征图的数量；

步骤a1)通过1×1卷积将低维特征映射到高维，批标准化层保证神经网络每一层的输入保持相同分布，通过ReLU激活函数增加神经网络各层之间的非线性关系；

步骤b1)通过混合深度卷积同时捕获高分辨率模式和低分辨率模式和降低计算复杂度，批标准化层保证神经网络每一层的输入保持相同分布，ReLU/Swish激活函数增加神经网络各层之间的非线性关系；

步骤c1)1×1卷积将高维特征映射到低维，批标准化层保证神经网络每一层的输入保持相同分布；

步骤d1)重复上述步骤a1)、b1)、c1)5次，每重复上述步骤a1)、b1)、c1)一次，则形成所述轻量级骨干网络模块提取特征的一个阶段，即共形成轻量级骨干网络模块提取特征的5个阶段。

2.根据权利要求1所述的适用于智能视频监控的目标检测方法，其特征在于：所述的注意力机制模块包含两个子模块，分别为通道注意力模块和空间注意力模块，两个子模块分别在通道和空间轴两个维度上对特征图进行加权，调整特征响应值以强调重要信息和抑制非重要信息。

3.根据权利要求2所述的适用于智能视频监控的目标检测方法，其特征在于：所述的注意力机制模块的建立方法如下：

输入：F∈R^H×W×C为所述的轻量级骨干网络模块提取特征的每一阶段输出的特征图，H表示特征图的高，W表示特征图的宽，C表示特征图的数量；

输出：F″∈R^H×W×C为注意力机制模块调整后的特征图，H表示特征图的高，W表示特征图的宽，C表示特征图的数量；

步骤a2)通道注意力模块通过平均池化和最大池化操作来聚合输入特征图的空间信息，然后将其馈入具有一个隐藏层的多层感知机，再使用逐元素求和来合并输出的特征向量，产生通道注意力图M_C∈R^1×1×C；

步骤b2)将步骤a2)输出的通道注意力图M_C∈R^1×1×C沿通道轴进行平均池化和最大池化操作，然后进行张量拼接并馈入7×7卷积，产生二维空间注意力图M_S∈R^H×W×C；

步骤c2)在所述的轻量级骨干网络模块提取特征的每一阶段后依次执行上述步骤a2)和b2)，即每重复步骤a2)、b2)一次，则形成注意力机制模块调整特征图的一个阶段，依次为注意力机制模块调整特征图的第一阶段、注意力机制模块调整特征图的第二阶段、注意力机制模块调整特征图的第三阶段、注意力机制模块调整特征图的第四阶段、注意力机制模块调整特征图的第五阶段。

4.根据权利要求3所述的适用于智能视频监控的目标检测方法，其特征在于：所述的多尺度预测模块首先堆叠由卷积、批标准化层和Leaky ReLU激活函数构成的第二基本模块，然后通过1×1卷积输出初步检测结果，最后使用非极大值抑制合并初步结果以输出最终结果。