[发明专利]一种基于头部和可见区域线索的遮挡行人检测方法

说明书

本发明涉及一种基于头部和可见区域线索的遮挡行人检测方法，属于辅助驾驶领域。本发明利用头部、可见区域、全身信息改进复杂道路场景中的遮挡行人检测性能，提出锐化特征响应区域推荐网络SRPN同时检测行人全身和头部RoIs，对于全身RoIs，在原有的全身检测分支Fast RCNN前增加一个可见区域引导注意力VGA模块用于增强可见区域特征同时抑制遮挡区域噪声，增加了一个平行的头部级联检测分支，基于头部RoIs逐级的拓展感知域检测严重遮挡行人。大量的实验结果表明：本专利提出的方法能显著提高遮挡行人的检测精度。

技术领域

本发明属于辅助驾驶领域，具体涉及一种基于头部和可见区域线索的遮挡行人检测方法。

背景技术

面向高级辅助驾驶系统(Advanced Driver Assistance Systems，ADAS)中的行人检测模块基于计算机视觉方法从图像中自动检测行人，进而提醒驾驶员注意前方行人或及时触发驾驶系统自动执行保护措施，能够显著减少碰撞事故的发生，是实现智能驾驶的核心模块之一。面向驾驶应用的行人检测算法不同于一般物体检测，前者对遮挡行人造成的漏检数量有更严格的限制。遮挡行人检测高漏检率会引发交通事故，导致人员和财产损失。

目前基于物体检测框架而改进的行人检测算法对于遮挡行人的检测难点主要有以下几个方面1)缺少被遮挡部位的人体信息；2)遮挡物体外观多样；3)行人被遮挡模式多样；4)行人本身外观、尺度、姿势多样。对于人群中的行人遮挡问题，可以认为是类内遮挡问题，不同行人交叠在一起时，由于特征无法区分实例个体，目标的检测框可能错误的转移到另一个行人而忽略被遮挡的行人。

目前解决行人遮挡问题可以分为整体模型(holistic model)和部件模型(part-based model)。整体方法通常更加关注一般行人(reasonable)中的部分遮挡问题，其遮挡面积小于35％。然而，对于严重遮挡行人，检测器性能会随着侵入的遮挡物体面积的比例增加而快速下降。针对整体模型存在的问题，有研究者提出部件模型，其学习一些列身体部件检测器分别检测人体的各个部分，当一部分人体被遮挡时可见部分的检测器仍然能正常工作，之后部件模型会综合所有部件检测器的结果综合判断出当前物体是行人或虚景。然而，目前的行人检测数据集通常缺少部件标记，基于部件模型的方法通过设计部件模版和统计可见区域模式分析获得部件标注信息，但是由于姿势和遮挡模式的多样性这类方法生成的部件标注都存在偏差。因此，如何降低面向驾驶场景复杂道路环境下遮挡行人检测的漏检率，提升高级辅助驾驶系统的遮挡行人检测性能是一个值得研究的问题。

发明内容

(一)要解决的技术问题

本发明要解决的技术问题是如何提供一种基于头部和可见区域线索的遮挡行人检测方法，以解决降低面向驾驶场景复杂道路环境下遮挡行人检测的漏检率，提升高级辅助驾驶系统的遮挡行人检测性能的问题。

(二)技术方案

为了解决上述技术问题，本发明提出一种基于头部和可见区域线索的遮挡行人检测方法，该方法包括如下步骤：

主干网络采用残差网络ResNet50和特征金字塔网络FPN，主干网络输出多尺度特征金字塔；

多尺度特征金字塔经过锐化特征响应区域推荐网络SRPN，输出行人全身RoIs和头部RoIs；

全身RoIs经池化获得的特征进入全身检测分支，可见区域引导注意力模块VGA基于此特征估计全身矩形框中的行人可见区域概率图，然后采用点乘的方式对原特征进行优化，抑制遮挡物体噪声特征同时增强行人可见区域特征后输入给Fast RCNN进行检测，输出全身检测结果；

头部RoIs经池化获得的池化特征则输入给头部级联检测分支，该分支包括头部级联检测网络HRCNN，该网络分阶段的逐步从头部检测框得到可见区域检测框，最后得到行人全身检测框；

对全身检测分支和头部级联检测分支输出的全身检测结果使用Soft-NMS进行后处理。