[发明专利]一种复杂场景中的行人检测方法

权利要求书

1.一种复杂场景中的行人检测方法，其特征在于，包括以下步骤：

S1、从行人数据集中，获取训练样本集，通过在训练样本集视频序列中截图并标记的方式，获取行人正样本；

S2、在步骤S1的截图中，随机选择生成负样本；

S3、将步骤S1获得的正样本和步骤S2生成的负样本进行线性变换，进行多级特征融合网络模型参数训练，得到多级特征融合网络模型；

S4、通过步骤S3得到的多级特征融合网络模型获取正样本和负样本的图像特征矩阵；

S5、保持步骤S3训练得到的多级特征融合网络模型的参数不变，在多级特征融合网络模型基础上，添加完全连接层，利用步骤S4获取的图像特征矩阵训练获得SVM分类模型；

S6、从行人数据集中，获取测试数据集，然后框选目标候选区域，将目标候选区域载入步骤S3训练得到的多级特征融合网络模型提取图像特征，再将图像特征载入步骤S5获得的SVM分类模型进行识别，从而确认目标候选区域是行人区域还是非行人区域。

2.根据权利要求1所述的一种复杂场景中的行人检测方法，其特征在于，所述步骤S1中，在Caltech行人数据集中，选择set00-set05作为训练样本集。

3.根据权利要求1所述的一种复杂场景中的行人检测方法，其特征在于，所述步骤S2中，正样本与负样本比例为1:5。

4.根据权利要求1所述的一种复杂场景中的行人检测方法，其特征在于，所述步骤S3中，多级特征融合网络模型的参数配置为：p1-p5分别表示各个完全连接层输出的4096维特征向量， α1-α5为各层特征向量所占的权重，其中α1=0.1，α2=0.2，α3=0.5，α4=0.7，α5=1。

5.根据权利要求1所述的一种复杂场景中的行人检测方法，其特征在于，所述步骤S4中，图像特征矩阵的提取方法具体为：将VGG16网络架构设置为1000类二分类softmax层，在深度学习Caffe架构下，将正样本和负样本输入至多级特征融合网络模型中，设置训练时批处理的大小为16，训练周期为220000，网络的整体基础学习率设置为0.001，最后一层的层次权重学习率为10，最后一层的偏置学习率设置为20，其他层次的权重学习和偏置学习率设置分别为1和2，每40000个周期后学习率设置前一次的0.1，直至训练完所有周期，获得图像特征矩阵。

6.根据权利要求5所述的一种复杂场景中的行人检测方法，其特征在于，所述步骤S4中，正样本和负样本输入的图像大小为224×224，多级特征融合网络模型共13个卷积层、5个池化层、卷积核为3×3，激活函数使用线性整流函数激活函数。

7.根据权利要求1所述的一种复杂场景中的行人检测方法，其特征在于，所述步骤S5中，SVM分类模型的训练方法具体为：在Caffe架构下，设定训练时批处理的大小为16，在训练集上训练周期为110000，网络的整体基础学习率为0.001，所有完全连接层的层次权重学习率设置为10，层次偏置学习率设置为20，而多级特征融合网络模型原有层的层次权重学习率和层次偏置学习率都设置为0，从而获得SVM分类模型，SVM分类模型的核函数为Sigmoid核函数。

8.根据权利要求1所述的一种复杂场景中的行人检测方法，其特征在于，所述步骤S6中，将Caltech行人数据集的set06-set10设置为测试数据集。