[发明专利]一种面向移动端实时应用的人体目标检测方法及系统

权利要求书

1.一种面向移动端实时应用的人体目标检测方法，其特征在于：包括以下步骤：

S1：采集数据，并对数据进行预处理；

S2：将预处理过后的数据输入至深度学习框架进行训练得到网络模型文件，所述深度学习框架包括对预处理过后的数据进行特征初提取的特征提取网络，对特征提取网络得到的特征图经过空间金字塔池化SPP和特征金字塔FPN训练之后输出网络模型文件；

S3：将网络模型文件部署到移动端，完成对人体的检测并输出结果。

2.根据权利要求1所述的一种面向移动端实时应用的人体目标检测方法，其特征在于：所述步骤S1中对数据进行的预处理包括对数据进行的双线性插值、锚点聚类和负样本的剔除。

3.根据权利要求2所述的一种面向移动端实时应用的人体目标检测方法，其特征在于：所述锚点聚类采用基于IOU的k-means的聚类方法。

4.根据权利要求1所述的一种面向移动端实时应用的人体目标检测方法，其特征在于：所述步骤S2中当对特征提取网络得到的特征图经过空间金字塔池化SPP训练得到二次特征图，二次特征图经特征金字塔FPN训练输出结果的同时对二次特征图做上采样，并和对特征提取网络得到的特征图进行融合之后再送入特征金字塔FPN训练输出结果，将两种输出结果进行融合后最终输出网络模型文件。

5.根据权利要求4所述的一种面向移动端实时应用的人体目标检测方法，其特征在于：步骤S3中将网络模型文件部署到移动端之前，先对网络模型文件进行模型压缩。

6.根据权利要求1所述的一种面向移动端实时应用的人体目标检测方法，其特征在于：所述步骤S3中部署到移动端的具体步骤如下：

S31：将网络模型文件的格式模型转化为移动端支持的格式模型；

S32：对转化为移动端支持的格式模型进行验证；

S33：验证成功即得到移动端支持的格式模型，若验证失败，则重新进行格式转化。

7.根据权利要求6所述的一种面向移动端实时应用的人体目标检测方法，其特征在于：步骤S31中当用于格式转化的转换工具不支持网络模型文件的某个网络结构层时，通过其他网络结构层进行组合实现转化或者当不能通过其他网络结构层进行组合时，以未能成功转换的某个网络结构层L为截断，仅转换网络结构中L层以前的网络结构层参数，L层及以后的网络结构层均放置到开发板中用于后期实现成功转换。

8.一种面向移动端实时应用的人体目标检测系统，其特征在于：使用如权利要求1-7任一项权利要求所述的面向移动端实时应用的人体目标检测方法实现。