[发明专利]一种基于模型优化的轻量化夜间红外图像行人检测方法及系统

权利要求书

1.一种基于模型优化的轻量化夜间红外图像行人检测方法，其中，所述方法包括：

获得第一红外图像数据集；

获得第一数据剔除方法，其中所述第一数据剔除方法包括第一方法与第二方法，其中，所述第一方法为稀疏化处理，所述第二方法为数据降维；

依据所述第一数据剔除方法对所述第一红外图像数据集进行数据剔除，获得第二红外图像数据集；

将所述第二红外图像数据集输入至第一图像处理模型进行姿态特征提取，获得第一扩充姿态数据；

将所述第一扩充姿态数据与所述第二红外图像数据集进行数据整合，获得第三红外图像数据集；

构建第一夜间红外行人检测模型，其中，所述第一夜间红外行人检测模型具有第一骨干网络与第一多尺度融合特征；所述第一夜间红外行人检测模型为一神经网络模型，所述第一夜间红外行人检测模型以Darknet19为骨干网络，引入多尺度融合目标检测层的网络模型，并增加了降采样小目标预测层，以及在网络输出坐标中引入高斯模型；

以所述第三红外图像数据集作为训练数据，将第一图像信息输入至所述第一夜间红外行人检测模型，获得第一行人检测结果；

依据所述第一行人检测结果判断是否存在第一预警信息；

若存在所述第一预警信息，将所述第一预警信息发送至第一车辆。

2.如权利要求1所述的方法，其中，所述依据所述第一数据剔除方法对所述第一红外图像数据集进行数据剔除，还包括：

获得第一稀疏化红外图像数据集，其中，所述第一稀疏化红外图像数据集为依据所述第一方法对所述第一红外图像数据集进行数据剔除的图像数据集；

对所述第一稀疏化红外图像数据集进行特征提取，获得第一特征数据集；

对所述第一特征数据集进行中心化处理，获得第二特征数据集；

获得所述第二特征数据集的第一协方差矩阵；

对所述第一协方差矩阵进行运算，获得所述第一协方差矩阵的第一特征值和第一特征向量；

将所述第一特征数据集投影到所述第一特征向量，获得第一降维数据集，其中所述第一降维数据集为所述第一特征数据集降维之后获得的特征数据集；

依据所述第一降维数据集获得所述第二红外图像数据集。

3.如权利要求1所述的方法，其中，所述方法包括：

由所述第一图像处理模型对所述第二红外图像数据集进行姿态特征提取，获得第一提取姿态类别；

获得所述第一提取姿态类别的各姿态数量；

对所述各姿态数量进行数量分布分析，获得第一扩充姿态类别，其中，所述第一扩充姿态类别的姿态数量低于第一阈值；

依据所述第一扩充姿态类别构建第一扩充姿态特征数据库，从而获得所述第一扩充姿态数据。

4.如权利要求3所述的方法，其中，所述方法还包括：

依据所述第一阈值获得所述第一扩充姿态数据的第一扩充姿态量；

由所述第一扩充姿态数据获得第一扩充姿态特征集；

依据所述第一扩充姿态量将所述第一扩充姿态特征集整合至所述第二红外图像数据集，获得所述第三红外图像数据集。

5.如权利要求1所述的方法，其中，所述方法包括：

获得第一数据更新时间节点；

在所述第一数据更新时间节点对所述第一红外图像数据集进行数据更新，并对获取时间不满足第二阈值的图像数据进行剔除，获得第一增量红外图像数据集；

对所述第一增量红外图像数据集进行数据处理，获得第四红外图像数据集；

以所述第四红外图像数据集为训练数据，将所述第一图像信息输入至所述第一夜间红外行人检测模型，获得第二行人检测结果；

对所述第一行人检测结果与所述第二行人检测结果进行缺损数据分析，获得第一缺损数据；

将所述第一缺损数据输入至所述第一夜间红外行人检测模型进行增量学习，获得第二夜间红外行人检测模型。