[发明专利]一种多尺度自注意力特征融合的行人检测方法

说明书

本发明公开了一种多尺度自注意力特征融合的行人检测方法，设及人工智能领域，包括以下步骤：(1)行人检测图像数据的采集；(2)检测图像中行人尺寸的设计；(3)行人数据集正负样本的划分；(4)行人检测模型的搭建；本发明采用Faster R‑CNN进行行人检测框架的搭建，提出一种多尺度特征融合网络模型能够提取更多、更有效的特征信息，且可以避免过拟合，使用性能较好的GPU进行训练极大提高了训练的速度，扩大了感受野，不仅可以检测小目标且没有降低分辨率，非常适合行人的精准、快速检测。

技术领域：

本发明涉及一种多尺度自注意力特征融合的行人检测方法，属于人工智能领域。

背景技术：

行人检测作为计算机视觉中一个极具研究价值的领域，其广泛应用于汽车无人驾驶，人体行为分析，智能交通，智能视频监控等领域；它是车辆辅助驾驶，智能视频监控和人体行为分析等应用中的第一步，近年来也应用在航拍图像、受害者营救等新兴领域中；由于人体姿态高度随意，形体复杂多变，且有附着和遮挡等问题,准确的在各种场景下检测到行人的理论和技术仍然需要深入探索和研究；行人检测的流程是:对输入的图片或者视频进行检测，判断其中是否包含行人，若有行人，则给出行人信息。

传统的行人检测算法核心是提取输入信息的特征并对特征进行分类，利用手工设计的特征提取器很难全方位分析行人的信息，所以这种行人检测方法的检测效果并不理想；随着计算机算力的提升，近几年深度学习得到了飞速发展；基于深度学习的方法显著提升了目标检测的效果；因此，本文提出了一种多尺度自注意力特征融合的行人检测方法；以Faster R-CNN为核心，重新设计该框架的特征提取网络，旨在保证检测准确率的条件下减小框架的复杂度，提高模型的检测效率。

发明内容：

针对传统行人目标检测算法检测效率低，检测效果不好的问题，提出了一种多尺度自注意力特征融合的行人检测算法。

为此，本发明提供了如下技术方案：

1.一种多尺度自注意力特征融合的行人检测方法，其特征在于，该方法包括以下步骤：

步骤1：行人检测图像数据的采集；

步骤2：检测图像中行人尺寸的设计；

步骤3：行人数据集正负样本的划分；

步骤4：行人检测模型的搭建。

2.根据权利要求1所述的一种多尺度自注意力特征融合的行人检测方法，其特征在于，所述步骤1中，行人检测图像数据的采集，行人检测数据集是在图像和视频中检测直立行人的研究工作中收集的，数据集中的行人主要是直立状态，并且高于100个像素，图片清晰度高，图片大部分选自个人照片，谷歌以及相机拍摄。

3.根据权利要求1所述的一种多尺度自注意力特征融合的行人检测方法，其特征在于，所述步骤2中，检测图像中行人尺寸的设计，具体步骤为：利用 K-means算法针对行人数据集重新聚类，得到更适应本模型的anchor size，为了更快更准确的迭代出最终结果，改用IoU即预测框和anchor box的重叠度作为度量，即目标函数:Distance＝1–IoU(Box，Center)，其中Box表示真实物体包围框的集合，Center表示聚类中心框集合；对行人数据进行聚类最终得到4个中心点，分别是(12，22)，(25，38)，(41，77)，(48，91)。

4.根据权利要求1所述的一种多尺度自注意力特征融合的行人检测方法，其特征在于，所述步骤3中，行人数据集正负样本的划分，具体步骤为：利用目标检测标注工具进行标注，将图片格式化为一定的图片尺寸，进而获得行人图像信息，分为包含行人和不包含行人两大类，采取随机抽样的方式将所采集的行人图像数据按一定的比例划分为独立不重复的训练集和测试集。

5.根据权利要求1所述的一种多尺度自注意力特征融合的行人检测方法，其特征在于，在所述步骤4中，行人检测模型的搭建，具体过程为：