[发明专利]一种基于单阶段的行为识别方法

说明书

本发明公开一种基于单阶段的行为识别方法，基于特征金字塔网络结构，包括左侧自底向上结构、右侧的自顶向下结构、位于中间的横向连接层及后端的预测网络，左侧自底向上结构包括卷积层一、卷积层二、卷积层三、RFB模块和RFB‑s模块，右侧的自顶向下结构包括卷积层四、卷积层五和卷积层六；其中自底向上结构用以不断提取特征信息，而右侧的自顶向下结构则通过下采样即反卷积不断的将顶层的特征图放大，横向连接层则是将右侧的顶层特征与左侧的底层特征进行结合，使得特征更具有表达能力，预测网络是用于实现对分类和边界框的预测。

技术领域

本发明涉及计算机视觉，目标检测，图像处理领域，特别是涉及一种基于单阶段的行为识别方法。

背景技术

随着深度学习的不断发展，在自然语言处理以及目标检测和分类方面也取得了不错的进步。其中目标检测主要分为两分支：一分支是基于区域提议的目标检测，如：RCNN系列(RCNN、Fast RCNN以及RFCN等)，这些目标检测方法主要分为两个阶段。在第一阶段，通过算法或区域提议网络生成高质量的候选框，然后在第二阶段则通过子网络对这些候选框进行分类和边框回归，因此由于这类检测方法分两阶段进行所以在检测速度方面存在缺陷，达不到实时的效果；另一分支则是单阶段的目标检测方法(如YOLO、SSD以及DSOD等)，因为没有单独产生候选框的阶段所以相对于前一种方法来说准确率相对较差，但其检测速度十分优秀可以达到实时的检测。本方法就是对基于单阶段的目标检测方法SSD的改进。

目前基于单阶段的目标检测方法的改进主要是通过结合不同特征图的信息或者采用更复杂的网络结构来获得具有高语义的特征信息，例如：在最初的单阶段算法YOLO中直接在最后的卷积层上进行边界框回归的目标检测，SSD方法则是在YOLO方法的基础上提出来的，该方法是结合最后几个卷积层进行预测，因而有更高的准确率。DSSD方法则是在SSD的改进，通过采用更复杂的网络结构ResNet进行特征提取，并结合反卷积层获得更多的语义信息。在Single-Shot Bidirectional Pyramid Networks的方法中则采用了双向的特征金字塔网络结构，结合了底层和高层之间的特征信息。

虽然目前有众多针对SSD方法的改进，但是大多数的方法都是在牺牲检测速度的基础上提高其检测精度，例如：1、采用更复杂的网络模型进行特征提取的方法。在DSSD方法中，因其用于特征提取的网络结构ResNet相对复杂，引入了较多的参数所以在检测帧率上会大幅度下降；2、通过引入新的模块来解决单阶段目标检测的正负样本失衡问题。在Single-Shot Bidirectional Pyramid Networks方法中便通过添加一个新的级联的锚优化模块来提高方法的定位准确率，同样在Single-shot Refinement Neural Network方法中也引入了类似的锚优化模块来去除一些负样本。相比于通过引入新的损失函数来缓解正负样本严重失衡问题，添加新模块的这种方法增加了训练参数，从而也会使检测速率下降。

本发明中涉及的相关术语解释如下：

DSOD:(Deeply Supervised Object Detectors)强监督目标检测器

DSSD(Deconvolutional Single Shot Detector)反卷积的单次多边界盒检测器

Focal Loss：聚焦损失

FPN：(Feature Pyramid Networks)特征金字塔网络

Fast RCNN:基于区域提议的快速卷积神经网络

IOU:(Intersection over Union)重叠度

RCNN:(Regions with CNN features)基于区域提议的卷积神经网络

RFCN:(Region-based Fully Convolutional Networks)基于区域提议的全卷积网络