[发明专利]一种基于K-means聚类和区域推荐网络的行人检测方法及系统

说明书

本发明公开了一种基于K‑means聚类和区域推荐网络的行人检测方法，该方法包括以下步骤：(1)构建特征提取网络，所述特征提取网络为去除inception v1模块中所有最大池化层后的网络；(2)将K‑Means聚类算法加入所述特征提取网络的最后一个DepthConcat中，所述最后一个DepthConcat记为C₉，得到检测候选区域；(3)将所述检测候选区域作为RPN网络的输入，得到带有矩形区域的包围框，采用ROI池化层采集所述包围框，并计算所述包围框的特征映射，对包围框进行分类和回归；本发明在增加网络的深度和宽度的同时，加入RPN，使得达到既能对行人进行分类，又能对行人进行具体定位的效果。

技术领域

本发明涉及行人检测方法及系统，具体涉及一种基于K-means聚类和区域推荐网络的行人检测方法及系统。

背景技术

行人检测是确定图像或视频是否包含行人，并使用计算机视觉技术标记行人的具体位置。近年来，深度学习正在迅速改变人工智能的世界，见证了行人检测领域的重大进步，这主要归功于深层网络。传统的深度网络是在原始图像或者卷积层上实现同一尺度的卷积，而这个卷积的尺度一般是3*3或者5*5，虽然尺度越大代表着感受野越大，看到的图片信息越多，获得的特征也越好，但另一方面，大的卷积核会导致计算量的暴增，不利于模型深度的增加，计算性能也会降低。同时同一尺度的卷积意味着只能得到单一的特征，很大程度上影响了网络的检测效果，而“Going Deeper With Convolutions”论文中提出的GoogLeNet网络中的inception模块解决了这些问题。在同一卷积层上实现不同尺度的较小卷积，得到不同尺度下的特征，再将特征结合起来，这样得到的特征更具有代表性，可提高网络检测效果，同时也不会导致计算量的暴增，但此网络却仅仅起到分类作用，却没有对行人进行具体定位。

目前基于区域推荐网络的方法大大提高了检测的准确度，此方法将目标检测任务分为两个子问题:第一阶段，将一个专用的区域提案生成网络嫁接在深度卷积神经网络上，生成高质量的候选框。然后第二阶段，设计一个区域上的子网络来对这些候选框进行分类和细化。Faster R-CNN推荐区域网络RPN的设计相当于是一个sliding window对最后的特征图每一个位置都进行了估计，由此找出anchor上面不同变换的proposal，设计非常经典，代价就是sliding window的代价。Faster R-CNN最近在主流目标检测上显示出了很高的准确度，但为了保证检测精度，所有方法必须将图像的大小调整到足够大，使得耗费大量的时间和资源。

发明内容

发明目的：为了克服现有技术的不足，本发明提供一种基于K-means聚类和区域推荐网络的行人检测方法，该方法可以解决对行人进行定位时，网络检测速度慢准确率低的问题。

技术方案：本发明所述的基于K-means聚类和区域推荐网络的行人检测方法，该方法包括以下步骤：

(1)构建特征提取网络，所述特征提取网络为去除inception v1模块中所有最大池化层后的网络；

(2)将K-Means聚类算法加入所述特征提取网络的最后一个DepthConcat层中，所述最后一个DepthConcat层记为C₉，得到检测候选区域；

(3)将所述检测候选区域作为RPN网络的输入，得到带有矩形区域的包围框，采用ROI池化层采集所述包围框，并计算所述包围框的特征映射，对包围框进行分类和回归；

(4)利用大量训练样本训练所述步骤(1)(2)和(3)搭建的模型，得到目标网络结构和目标网络参数以及最终的行人检测网络框架；

(5)采用测试样本对训练好的模型进行实时检测。

优选的，所述步骤(2)中，将K-Means聚类算法加入所述特征提取网络的C₉中，包括以下步骤：