[发明专利]一种车辆/行人检测方法及系统

摘要

本发明公开了一种车辆/行人检测方法，其包括下列步骤提取训练图像的深度卷积特征图；获取训练图像的目标候选区域；利用训练图像的深度卷积特征图，获取训练图像的目标候选区域的池化特征；基于训练图像的目标候选区域的池化特征，训练检测器，得到车辆/行人候选区域分类模型；利用车辆/行人候选区域分类模型检测待检测车辆/行人图像获得车辆和/或行人的类别和/或位置。本发明还公开了一种车辆/行人检测系统，该系统采用上述方法进行检测。本发明技术方案的方法采用对训练图像中的车辆/行人一并进行分类标记，只需要对一个检测器进行训练，所得车辆/行人候选区域分类模型即可用于识别多种类别的车辆和行人。

主权项

一种车辆/行人检测方法，其特征在于，包括以下步骤，S1提取训练图像的深度卷积特征图；S2获取训练图像的目标候选区域；S3利用训练图像的深度卷积特征图，获取训练图像的目标候选区域的池化特征；S4基于训练图像的目标候选区域的池化特征，训练检测器，得到车辆/行人候选区域分类模型；S5利用车辆/行人候选区域分类模型检测待检测车辆/行人图像，获得车辆和/或行人的类别和/或位置；其中，步骤S4具体包括，S41标记训练图像的车辆/行人所在位置和/或类别，其中所述标记包括包含位置信息和类别信息的全标记以及仅包含类别信息的半标记；S42按照所述标记对训练图像的目标候选区域进行自动标定，获得图像标签和图像目标候选区域标签；S43提取训练图像的目标候选区域的池化特征，利用所述池化特征以及所述图像标签和图像目标候选区域标签对检测器进行训练，得到车辆/行人候选区域分类模型；其中，步骤S43所述的训练具体包括，S431对训练图像的池化特征进行两次全链接，将全链接结果分别通过两条支路进行处理，其中，第一支路全链接到多维向量上，归一化得到第一概率分布向量；第二支路经过全局最大池化后全链接到多维向量上，归一化得到第二概率分布向量；将所述第一概率分布向量和/或第二概率分布向量输入所述检测器，完成检测器的正向训练，其中所述多维向量的维度由车辆/行人类别确定；S432在所述第一支路上利用图像目标候选区域标签计算训练图像的损失和梯度，更新检测器的检测参数；在所述第二支路利用图像标签计算训练图像的损失和梯度，更新检测器检测参数，以此完成检测器的反向训练。