[发明专利]一种基于对抗网络原理的行人道路违章检测方法及装置

权利要求书

1.一种基于对抗网络原理的行人道路违章检测方法，其特征在于，包括：

获取目标区域中的视频流信息，并检测所述视频流信息中的行人违章图片；

检测所述行人违章图片中的人脸图片，并通过统计所述人脸图片的关键点得到头部旋转角度，根据所述头部旋转角度筛选出所述行人违章图片中的正脸图片集和与其对应的侧脸图片集；

采用预先构建好的对抗网络架构提取所述人脸图片中的特征点数据集，并采用交叉熵损失函数和对称损失函数进行训练，在收敛时得到对抗网络；

在所述对抗网络中输入侧脸图片集，得到每一侧脸图片集对应的正脸图片。

2.如权利要求1所述的基于对抗网络原理的行人道路违章检测方法，其特征在于，所述采用预先构建好的对抗网络架构提取所述人脸图片中的特征点数据集，并采用交叉熵损失函数和对称损失函数进行训练，在收敛时得到对抗网络，包括：

将所述行人违章图片输入至所述对抗网络架构中，通过所述对抗网络架构中生成器的局部路径对所述行人违章图片中的人脸图片进行局部特征，得到所述人脸图片中的特征点数据集；所述特征点数据集包括左眼、右眼、鼻子和嘴唇；

根据所述对抗网络架构中生成器的全局路径学习所述人脸图片的全局信息，根据所述特征点数据集和所述全局信息，采用所述交叉熵损失函数和所述对称损失函数进行训练，在收敛时得到对抗网络。

3.如权利要求1所述的基于对抗网络原理的行人道路违章检测方法，其特征在于，所述根据所述头部旋转角度筛选出所述行人违章图片中的正脸图片集和与其对应的侧脸图片集，包括：

判断所述头部旋转角度是否超过预设角度范围，若是，则判断所述头部旋转角度对应的人脸图片为侧脸图片；若否，则判断所述头部旋转角度对应的人脸图片为正脸图片。

4.如权利要求1所述的基于对抗网络原理的行人道路违章检测方法，其特征在于，所述检测所述视频流信息中的行人违章图片，包括：

采用Faster_Rcnn算法检测所述视频流信息中的行人违章图片。

5.如权利要求4所述的基于对抗网络原理的行人道路违章检测方法，其特征在于，所述采用Faster_Rcnn算法检测所述视频流信息中的行人违章图片，包括：

采用卷积神经网络提取所述视频流信息中每一帧图片的特征；

将所述特征输入至RPN网络中生成候选区域；

将所述特征与所述候选区域输入至ROI Pooling层，提取得到固定尺寸的特征；

将所述固定尺寸的特征输入至全连接层，采用探测分类概率和探测边框回归对所述固定尺寸的分类概率和边框回归进行联合训练，得到所述候选区域的类别，以及检测框的最终位置，根据所述类别和最终位置检测得到视频流信息中的行人违章图片。

6.一种基于对抗网络原理的行人道路违章检测装置，其特征在于，包括：

图片检测模块，用于获取目标区域中的视频流信息，并检测所述视频流信息中的行人违章图片；

图片筛选模块，用于检测所述行人违章图片中的人脸图片，并通过统计所述人脸图片的关键点得到头部旋转角度，根据所述头部旋转角度筛选出所述行人违章图片中的正脸图片集和与其对应的侧脸图片集；

训练模块，用于采用预先构建好的对抗网络架构提取所述人脸图片中的特征点数据集，并采用交叉熵损失函数和对称损失函数进行训练，在收敛时得到对抗网络；

正脸图片生成模块，用于在所述对抗网络中输入侧脸图片集，得到每一侧脸图片集对应的正脸图片。

7.如权利要求6所述的基于对抗网络原理的行人道路违章检测装置，其特征在于，所述训练模块，包括用于：

将所述行人违章图片输入至所述对抗网络架构中，通过所述对抗网络架构中生成器的局部路径对所述行人违章图片中的人脸图片进行局部特征，得到所述人脸图片中的特征点数据集；所述特征点数据集包括左眼、右眼、鼻子和嘴唇；

根据所述对抗网络架构中生成器的全局路径学习所述人脸图片的全局信息，根据所述特征点数据集和所述全局信息，采用所述交叉熵损失函数和所述对称损失函数进行训练，在收敛时得到对抗网络。