[发明专利]一种基于全局特征感知的目标检测方法及系统

权利要求书

1.一种基于全局特征感知的目标检测方法，所述方法包括：

实时获取相机采集的RGB图像，对该图像进行切割，获取原始监控图像；

将原始监控图像输入训练好的全局感知特征提取器，输出检测结果；

所述全局感知特征提取器包括：图像切分模块、Transfor mer编码器、上采样和通道压缩模块、特征重标定模块和分类网络；

所述图像切分模块，用于对待检测的图像进行切分，形成若干个固定大小的图像块，并将位置嵌入添加到图像块中，输出线性嵌入序列；

所述Transformer编码器，用于利用自注意力机制对线性嵌入序列进行处理，提取整张图像的特征图；

所述上采样和通道压缩模块，用于扩大整张图像的特征图的分辨率，并进行通道压缩；

所述特征重标定模块，用于将上采样和通道压缩模块输出的特征图与待检测图像进行拼接，利用注意力机制对拼接特征的通道进行权重分配，再将加权后的特征图送入分类网络中；

所述分类网络：用于对加权后的特征图进行目标检测，输出检测结果。

2.根据权利要求1所述的基于全局特征感知的目标检测方法，其特征在于，所述图像切分模块的具体实现过程为：

将原始监控图像切分为图像块p_i，(H,W)表示原始监控图像的分辨率，C为图像的通道数，其中S²表示图像块大小，N表示图像块的数量并且将图像块p_i铺展成一维向量后使用全连接层FC(·)对该图像块进行“词嵌入”操作，“词嵌入”向量Emb(i)为：

Emb(i)＝FC(Flatten(p_i))+Lp_i

其中，Flatten(p_i)为将图像块p_i铺展成一维向量；Lp_i为一个可学习的变量，以表征图像块的位置编码信息；

将线性嵌入序列[Emb(0)，Emb(1)，…,Emb(N)]输出至Transfor mer编码器。

3.根据权利要求2所述的基于全局特征感知的目标检测方法，其特征在于，所述Transfor mer编码器由L个块堆叠而成，每个块均包含第一层归一化单元、多头自注意力模块、第一加法单元、第二层归一化单元、多层感知机和第二加法单元；

对于第l个块，其输入向量为y_l-1，其中，第一个块的输入向量为y₀＝[Emb(0)，Emb(1)，…，Emb(N)]；上一个块的输出为下一个块的输入；

第一层归一化单元对输入向量y_l-1进行层归一化处理得到向量X＝LN(y_l-1)；

多头自注意力模块包括M个单头，第m个单头的自注意机制的输出SA_m为：

其中，和均代表线性转换矩阵，代表第m个单头的矩阵的维度；

将M个单头的自注意机制的输出拼接起来，通过乘一个线性变换矩阵W^O得到多头自注意力模块的输出MHA(X)：

MHA(X)＝Concat[SA₁,…,SA_M]W^o

第一加法单元，用于将多头自注意力模块的输出与输入向量进行相加，结果为y′_l：

y′_l＝MHA(X)+y_l-1

第二层归一化单元，用于对y′_l进行层归一化处理得到向量LN(y′_l)；

多层感知机，用于对向量LN(y′_l)进行处理，输出处理结果：MLP(LN(y′_l))

第二加法单元，用于将多层感知机的输出与y′_l进行相加：

y_l＝MLP(LN(y′_l))+y′_l

则第l个块的输出为y_l，第L个块的输出y_L为Transfor mer编码器的输出。