[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

说明书

本发明公开了一种基于建议框生成增强算法的高速公路行人检测方法，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：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：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：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。本发明的方法提升了对遮挡行人目标的检测效果。

技术领域

本发明属于智能交通信息技术领域，设计了一种基于建议框生成增强算法的高速公路行人检测方法，适用于高速公路场景下遮挡行人目标的检测。

背景技术

在高速公路场景下，把行人检测技术应用到高速公路监控管理系统中，能快速识别并定位监控范围内的行人目标，增强对高速公路交通异常的感知能力，提高高速公路综合管理水平，对提升交通效率、保障交通安全具有重要意义。

受高速公路场景特点的影响，高速公路摄像头拍摄到的行人目标往往会伴随着不同程度的遮挡现象，这会降低行人检测模型的检测精度。因此，需要根据场景实际情况探索一种针对遮挡行人目标的检测方案，提高模型的检测效率。针对遮挡问题，研究人员分别从一阶段和二阶段两种模型类别入手，提出了相应的解决方案。

对于二阶段的检测模型，现有的方案设计了一些检测头，这些检测头通过引导网络关注行人目标建议框中的可见部分、改进目标建议框建模算法等方式，提高检测头中边界框回归的质量，典型的代表方法有专利申请CN115690849A和专利申请CN113610037A等中公开的方法。但这些做法没有改善由建议框生成网络得到的建议框质量，这使得建议框需要在检测头中进行细致地调优，从而导致消耗较多计算资源和计算时间，影响模型效率。

对于一阶段的检测模型，现有的一些方案选择基于中心点和尺度对特征图上的每个像素进行分类并对该点所对应的可能目标进行回归，随后通过引入焦点损失来处理正负样本数量不平衡的问题，典型代表有CSP网络等。这些做法摒弃了二阶段模型中先生成粗糙建议框然后在检测头中进行回归调优的思路，网络具有较好的收敛性，提高了模型的检测速度。但这些做法会使得模型产生较多的假阳性，并且这一现象会在遮挡行人的检测场景中加剧。

发明内容

有鉴于此，在高速公路场景下对遮挡行人进行检测时必须考虑因遮挡造成的目标图像特征质量下降以及检测结果假阳性较多等问题，本发明通过充分提取、利用待检测图像特征和改进目标建议框生成方式来提升模型对遮挡行人目标的检测效果。本发明的目的是提供适用于高速公路场景下的遮挡行人目标检测方法。

本发明的目的是通过以下技术方案实现的：

一种基于建议框生成增强算法的高速公路行人检测方法，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。

进一步地，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；