[发明专利]一种基于建议框生成增强算法的高速公路遮挡行人检测方法

权利要求书

1.一种基于建议框生成增强算法的高速公路行人检测方法，其特征在于，包括：

获取待检测图像；

将待检测图像输入训练好的行人检测模型进行行人检测，其中，所述行人检测模型包括特征提取模块、目标建议框生成模块以及检测头模块，所述特征提取模块包括特征提取网络HRNetV2-W32，所述将待检测图像输入训练好的行人检测模型进行行人检测包括：

S1：在特征提取模块，对待检测图像进行特征提取，并采用双线性差值和1×1卷积的组合进行特征融合，生成待检测图像的特征图；

S2：在目标建议框生成模块，利用建议框生成增强算法，根据S1生成的待检测图像的特征图生成目标建议框；

S3：在检测头模块，将目标建议框投影到特征图上进行处理，得到对待检测图像的检测结果。

2.根据权利要求1所述的基于建议框生成增强算法的高速公路行人检测方法，其特征在于，所述S1具体包括：

S1.1：将W×H的待检测图像输入到特征提取模块中的特征提取网络HRNetV2-W32中，经前三个stage后在stage 4中得到四种不同尺度的特征图，其中，W表示待检测图像的宽度，H表示待检测图像的高度；

S1.2：用双线性插值和1×1卷积的组合分别对四种特征图进行上采样并分别对所述四种特征图使用1×1×128、1×1×128、1×1×256、1×1×256的卷积核，最终生成大小均为的特征图；

S1.3：将四种尺度特征图处理后的大小均为的特征图进行拼接，得到大小为的特征图。

3.根据权利要求2所述的基于建议框生成增强算法的高速公路行人检测方法，其特征在于，所述S2具体包括：

S2.1：用3×3×256的卷积核对的特征图进行卷积处理，将其通道维度减低至256；

S2.2：将卷积处理后的特征图输入两个1×1卷积分支中，所述分支包括行人中心点预测分支和行人尺度预测分支，以分别对目标中心点和尺度进行预测、回归，生成目标建议框。

4.据权利要求3所述的基于建议框生成增强算法的高速公路行人检测方法，其特征在于，在行人中心点预测分支中使用的损失函数为：

其中，L_c表示行人中心点预测分支损失函数，K为图像中行人目标的个数，p_ij和y_ij分别为模型预测的行人中心点概率和对应的行人中心点真实值，α_ij为在(i,j)位置上点的权值，CE(p_ij,y_ij)表示交叉熵损失函数，M_ij表示真实行人中心点附近的高斯掩码，x_k、y_k、w_k和h_k分别为第k个行人目标中心点的坐标和宽、高，其高斯掩码的方差为γ和β表示权重系数。

5.据权利要求4所述的基于建议框生成增强算法的高速公路行人检测方法，其特征在于，在行人尺度预测分支中使用的损失函数为：

其中，L_s表示行人尺度预测分支损失函数，K为图像中行人目标的个数，L1指标准L1损失函数，s_k和t_k分别代表第k个行人目标的尺度预测值和真实值。

6.据权利要求5所述的基于建议框生成增强算法的高速公路行人检测方法，其特征在于，目标建议框生成模块使用的整体损失函数为：

L_RPN＝λ_cL_c+λ_sL_s

其中，L_RPN表示目标建议框生成模块的整体损失函数，λ_c表示行人中心点预测分支损失函数的权重，λ_s表示行人尺度预测分支损失函数的权重。