[发明专利]基于改进RPN深度网络的端到端的监控场景行人检测方法在审
| 申请号： | 201710187003.4 | 申请日： | 2017-03-27 |
| 公开（公告）号： | CN108664838A | 公开（公告）日： | 2018-10-16 |
| 发明（设计）人： | 葛水英;陆钧;马琳靖 | 申请（专利权）人： | 北京中科视维文化科技有限公司 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/32;G06K9/62;G06K9/46;G06N3/08 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 100080 北京市海淀区中关村东路*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于改进RPN深度网络的端到端的监控场景行人检测方法，其中，该方法包括步骤1：利用简化VGG16深度卷积网络进行行人监控场景图像的特征图计算；步骤2：利用RPN(Region Proposal Network)网络来提取特征图中的行人区域候选框；步骤3：依据RPN网络获取到的候选窗，利用ROI pooling操作计算目标窗口得分，通过设定阈值，最终将ROIs(region of interest)分成目标或背景区域；步骤4：基于上述三个步骤得到的改进的RPN深度网络，采用递进式的头肩模型训练，完成整个端到端的行人检测网络的参数计算。通过本发明的方法，可以使得监控场景行人检测的实时性和准确率得到大幅提升。 | ||
| 搜索关键词： | 监控场景 行人检测 网络 改进 背景区域 参数计算 计算目标 模型训练 三个步骤 提取特征 网络获取 行人区域 递进式 候选窗 候选框 实时性 特征图 准确率 卷积 图像 | ||
【主权项】：
1.一种基于改进RPN深度网络的端到端的监控场景行人检测方法，其特征在于，该方法至少包括：步骤1：利用简化VGG16深度卷积网络进行行人监控场景图像的特征图计算；步骤2：利用RPN(Region Proposal Network)网络来提取特征图中的行人区域候选框；步骤3：依据RPN网络获取到的候选窗，利用ROI pooling操作计算目标窗口得分，通过设定阈值，最终将ROIs(region of interest)分成目标或背景区域；步骤4：基于上述三个步骤得到的改进的RPN深度网络，采用递进式的头肩模型训练，完成整个端到端的行人检测网络的参数计算。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京中科视维文化科技有限公司，未经北京中科视维文化科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710187003.4/，转载请声明来源钻瓜专利网。
- 上一篇：三维码生产集成系统
- 下一篇：一种图像处理方法和设备
