[发明专利]一种基于神经网络多尺度特征图的行人检测方法

权利要求书

1.一种基于神经网络多尺度特征图的行人检测方法，其特征在于，所述检测方法为：

步骤S1：收集行人检测样本；对选取的视频进行截帧处理，对含有行人的图片保留并构成行人检测数据集，不含行人的图片丢弃；

步骤S2：制作样本标签，对行人检测数据集中一张图片中的每一个行人目标的坐标保存到xml格式的标签文件；

步骤S3：搭建轻量化残差特征提取网络；

步骤S4：搭建多尺度特征图行人检测网络；

步骤S5：对步骤S3搭建的特征提取网络在imagenet数据集进行网络预训练；

步骤S6：将步骤S5训练好的特征提取网络与步骤S4搭建的检测网络进行拼接，使用准备好的行人训练数据集进行最终的网络训练；

其中，所述步骤S3中的轻量化残差特征提取网络具体为：将残差网络使用的普通3*3卷积层替换为先使用1*1的卷积层，然后对卷积输出的每一个通道进行3*3的独立卷积，最后将所有3*3的独立卷积层的输出拼接；

其中，默认框以滑动形式遍历整张特征图，使用5个不同层的特征图来做预测，遍历最底层的特征图的默认框缩放系数为S_max，遍历最高层的特征图的默认框缩放系数为S_min，其他中间层的特征图的默认框缩放系数通过下面公式计算得到：

每个默认框有着不同的长宽比，用c来表示：所以每个默认框的长宽为：

其中，S_max为最底层的特征图的默认框缩放系数，S_min为最高层的特征图的默认框缩放系数，m为用来进行预测的不同层特征图的层数。

2.根据权利要求1所述的行人检测方法，其特征在于，步骤S1中所述的截帧处理，具体为：对每个视频3秒截取一帧并保存为jpg图片格式。

3.根据权利要求1所述的行人检测方法，其特征在于，所述步骤S2中所述的制作样本标签，具体为：将一张图片中每个行人目标左上角、右下角的坐标写入xml文件进行保存，保存xml文件名与图片名一致。

4.根据权利要求1所述的行人检测方法，其特征在于，所述步骤S4中，所述多尺度特征图行人检测网络，由3个卷积核为3*3卷积层组成，每个卷积层再接两个卷积层；两个卷积层中，其中一个后接smothL1loss进行坐标回归用于预测行人位置，另一个后接softmax loss进行分类用于判断默认框是否含有行人。

5.根据权利要求1所述的行人检测方法，其特征在于，所述步骤S4的所述行人检测网络，用于对每一尺度的每一张特征图，按照不同默认框的大小和长宽比生成k个默认框，对默认框和标签文件中的行人坐标进行jaccard计算，结果大于0.7的作为正样本，小于等于0.7的样本作为负样本。

6.根据权利要求1所述的行人检测方法，其特征在于，所述步骤S5中，所述特征提取网络在imagenet数据集进行网络预训练时，使用一种多分类的逻辑回归进行分类训练：

x_i＝x_i-max(x₁,...,x_n)

Loss＝-log p_k

并对其加入一个约束项，相当于把每一个输入样本都自动配了一个类中心

其中，公式中，n为类别数，c_yi表示第y_i个类别的特征中心，x_i表示全连接层之前的特征。

7.根据权利要求1-6任一项所述的行人检测方法，其特征在于，所述步骤S6中，所述特征提取网络与所述检测网络进行拼接，具体为：将所述特征提取网络的最后两层的全连接层利用astrous算法转换成卷积层并与所述检测网络连接；所述特征提取网络的最后5层卷积层作为多尺度特征图行人检测网络的输入层。