[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

说明书

本发明公开了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，其中，所述方法包括：获得第一红外图像数据集；依据第一数据剔除方法对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；对第二红外图像数据集进行姿态特征提取，并进行姿态扩充，获得第三红外图像数据集；构建具有第一骨干网络与第一多尺度融合特征的第一夜间红外行人检测模型，以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第一夜间红外行人检测模型，获得第一行人检测结果；依据第一行人检测结果对车辆行驶过程进行行人预警。解决了现有技术中基于深度学习的行人检测方法存在夜间小目标行人检测困难、模型检测速度慢、模型较大的技术问题。

技术领域

本发明涉及计算机视觉领域，尤其涉及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。

背景技术

由于红外热成像技术成像不受光线条件的限制，具有全天候成像的特点，因此夜间红外图像行人检测技术成为了当下机器视觉领域的研究热点之一，在辅助驾驶中具有重要的应用，能有效避免夜间交通事故的发生。目前基于深度学习的行人检测方法仍然存在诸多不足，且随着驾驶场景逐步复杂，行人检测更是面临着行人姿态特征多变、复杂环境导致行人特征丢失、对网络模型实时性要求较高等挑战。

本申请发明人在实现本申请实施例中发明技术方案的过程中，发现上述技术至少存在如下技术问题：

基于深度学习的行人检测方法存在夜间小目标行人检测困难、模型检测速度慢、模型较大。

发明内容

本申请实施例通过提供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，解决了现有技术基于深度学习的行人检测方法存在夜间小目标行人检测困难、模型检测速度慢、模型较大的技术问题，实现了通过对图像数据集进行稀疏化筛选、行人姿态特征均衡化处理、引入多尺度融合目标检测层的网络模型以及轻量化网络等对神经网络模型进行优化，使数据集的数据信息获取更为准确，从而使模型达到更好的训练效果，提高模型运算能力和检测精度的技术目的。

鉴于上述问题，本申请实施例提供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。

本申请提供了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；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。

本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：