[发明专利]一种基于自选择机制的实时行人检测与特征提取模块

权利要求书

1.一种基于自选择机制的实时行人检测与特征提取模块，其特征在于：包括行人检测模块和特征提取模块，其中，

行人检测模块，将一张图片中检测到的行人数量A、行人检测框和对应的行人特征B，传入到特征提取模块；

特征提取模块，通过检测到的行人数量A在残差骨干网络模块中进行主干网络的筛选，将具体到每个人的行人特征B送入主干网络中相应的残差网络进行特征提取，同时结合朝向信息加以区分，而后将每个行人的行人全局信息、行人朝向信息与数据库中的行人相关信息进行比对识别。

2.根据权利要求1所述的一种基于自选择机制的实时行人检测与特征提取模块，其特征在于：所述行人检测模块顺次设置有一个切片卷积层和3个瓶颈通道层，在每一个瓶颈通道层之后还分别设置一个注意力模块，在最后一个注意力模块之后还设置有一个通道相加模块，且每一个注意力模块的输出都接入通道相加模块。

3.根据权利要求2所述的一种基于自选择机制的实时行人检测与特征提取模块，其特征在于：所述瓶颈通道层由两种不同stride的冗余简化模块组成。

4.根据权利要求2所述的一种基于自选择机制的实时行人检测与特征提取模块，其特征在于：所述行人检测模块的切片卷积层，用于将图片的宽、高信息重新排列，具体为：行人检测模块的切片卷积层将图片的宽高度数据都取一半，切分为4份，得到4份数据，然后将4份数据在通道维度进行拼接，最后进行卷积操作。

5.根据权利要求2所述的一种基于自选择机制的实时行人检测与特征提取模块，其特征在于：所述通道瓶颈层，采用stride＝2的冗余简化模块和stride＝1的冗余简化模块串联而成；所述通道瓶颈层采用下采样图片提取特征，具体为：首先使用stride＝2的冗余简化模块卷积操作产生一半大小的特征图，该一半大小的特征图经过卷积后产生的原有信息，与经过线性变换来生成冗余信息结合，完成一次下采样；再通过一个stride＝1的冗余简化模块产生相同大小的特征图，该相同大小的特征图经过卷积后产生的原有信息，与经过线性变换来生成冗余信息结合，减少了卷积带来的特征信息损失，最终完成通道瓶颈层的一次下采样图片提取特征操作。

6.根据权利要求2所述的一种基于自选择机制的实时行人检测与特征提取模块，其特征在于：所述注意力模块，通过在特征图上执行全局平均池化，得到全局压缩特征量，再通过两层全连接层得到每个通道的权值，对权值归一化加权后作为下一层的输入。

7.根据权利要求1～6任一项所述的一种基于自选择机制的实时行人检测与特征提取模块，其特征在于：所述特征提取模块设置有网络深度自适应选择模块和残差骨干网络模块，其中，

网络深度自适应选择模块，通过判断当前图片检测到的行人数量A所在区间范围，并根据相应的判断规则，自适应的将行人特征B输入到残差骨干网络模块；

所述残差骨干网络模块，将行人特征B进行特征提取并进一步分出行人朝向信息和行人全局信息，以便输入到后续的数据库中进行比对。

8.根据权利要求7所述的一种基于自选择机制的实时行人检测与特征提取模块，其特征在于：所述网络深度自适应选择模块设置有一个内置有判断规则的ifelse选择器，且判断规则为：

其中，当为策略1时则选择改进型残差50网络，当为策略2时则选择改进型残差34网络，当为策略3时则选择改进型残差18网络。