[发明专利]一种基于鱼眼相机的密集场景下抗遮挡的物体检测方法

权利要求书

1.一种基于鱼眼相机的密集场景下抗遮挡的物体检测方法，其特征在于，包括以下步骤：

在原始场景中采集原始图像并进行标注，获得单物体的掩膜；

基于物体掩膜，根据基于物体之间的空间位置关系的遮挡关系和预设的遮挡优先级合成图像，获得合成数据集；

根据物体的识别难度，将合成数据集划分为识别难度不同的多个子数据集；

对合成数据集进行数据增强；

采用数据增强后的合成数据集训练物体检测网络；

将待检测图像输入训练好的物体检测网络中，获得物体检测结果。

2.根据权利要求1所述的一种基于鱼眼相机的密集场景下抗遮挡的物体检测方法，其特征在于，所述在原始场景中采集原始图像，包括：

将原始场景划分为M行N列，在划分后的原始场景的指定位置采集原始图像；

将划分后的原始场景随机旋转T次，并分别采集图像，总计采集得到M·N·T·K张单物体图像。

3.根据权利要求1所述的一种基于鱼眼相机的密集场景下抗遮挡的物体检测方法，其特征在于，所述根据基于物体之间的空间位置关系的遮挡关系为，以掩膜位置与鱼眼相机成像中心的相对位置关系来确定不同物体之间的遮挡关系，距离中心位置较远的物体会被距离中心较近的物体遮挡。

4.根据权利要求1所述的一种基于鱼眼相机的密集场景下抗遮挡的物体检测方法，其特征在于，所述预设的遮挡优先级中，采用数值来表示遮挡优先级，数字从小到大表示遮挡优先级，遮挡优先级越高表示越有可能遮挡周围的物体。

5.根据权利要求1所述的一种基于鱼眼相机的密集场景下抗遮挡的物体检测方法，其特征在于，所述根据物体的识别难度，将合成数据集划分为识别难度不同的多个子数据集中，根据物体个数来衡量识别难度。

6.根据权利要求5所述的一种基于鱼眼相机的密集场景下抗遮挡的物体检测方法，其特征在于，将数据集划分为4种难度，各个子数据集的比例为：子数据集A:子数据集B:子数据集C:子数据集D＝0.15:0.35:0.35:0.1。

7.根据权利要求1所述的一种基于鱼眼相机的密集场景下抗遮挡的物体检测方法，其特征在于，所述物体检测网络为cascadeCNN。

8.根据权利要求1-7任一所述的一种基于鱼眼相机的密集场景下抗遮挡的物体检测方法，其特征在于，所述数据增强的方式基于掩模的随机亮度调整和随机位移扰动。

9.根据权利要求8所述的一种基于鱼眼相机的密集场景下抗遮挡的物体检测方法，其特征在于，对掩膜内外进行随机亮度调整的方式为：

在掩膜内部通过随机伽马校正对光照扰动进行调整，对于掩模内的像素点M＝{(x_m，y_m)}，采用公式(1)进行随机光照扰动：

其中，表示数据增强之后的图像；α表示线性系数，用于调整伽马校正尺度；β服从高斯分布，表示随机噪声干扰；γ表示伽马校正光照强度调整系数，x_m，y_m分别表示掩膜内像素横纵坐标，I(x_m，y_m)表示整个掩膜内所有像素的集合；

在掩膜外部，采用高斯核计算干扰衰减系数来对光照扰动进行调整：

其中，ω表示衰减系数，x_o、y_o分别表示掩模外像素点的横纵坐标，I(x_o，y_o)分别表示增强后的图像和增强前的图像，x_i、y_i、σ²分别表示掩模内的其中一点的坐标和方差。

10.根据权利要求8所述的一种基于鱼眼相机的密集场景下抗遮挡的物体检测方法，其特征在于，所述随机位移扰动为，先对原始鱼眼图像进行畸变校正，随后在合成图像时对掩模进行预定范围的随机位移，随后再利用鱼眼畸变模型还原回原图。