基于深度神經(jīng)網(wǎng)絡(luò)的行人檢測方法、系統(tǒng)、設(shè)備及介質(zhì)

基本信息

申請(qǐng)?zhí)?/td> CN202110170281.5 申請(qǐng)日 -
公開（公告）號(hào) CN112926417A 公開（公告）日 2021-06-08
申請(qǐng)公布號(hào) CN112926417A 申請(qǐng)公布日 2021-06-08
分類號(hào) G06K9/00;G06K9/62;G06N3/04;G06N3/08 分類 計(jì)算；推算；計(jì)數(shù);
發(fā)明人 施維;王勇 申請(qǐng)（專利權(quán)）人 上海獅尾智能化科技有限公司
代理機(jī)構(gòu) 北京紀(jì)凱知識(shí)產(chǎn)權(quán)代理有限公司 代理人 陸惠中;趙旭
地址 201203 上海市浦東新區(qū)中國（上海）自由貿(mào)易試驗(yàn)區(qū)臨港新片區(qū)麗正路1628號(hào)4幢4501室
法律狀態(tài) -

摘要

摘要 本發(fā)明公開了一種基于深度神經(jīng)網(wǎng)絡(luò)的行人檢測方法、系統(tǒng)、設(shè)備及介質(zhì)，屬于計(jì)算機(jī)視覺領(lǐng)域，方法包括：S1獲取原圖并根據(jù)透視投影關(guān)系從原圖的遠(yuǎn)處成像中分割出多個(gè)子圖以構(gòu)成子圖訓(xùn)練集；S2從原圖及其對(duì)應(yīng)的子圖縮放到統(tǒng)一的大?。籗3將子圖和原圖分別輸入到Faster R?CNN模型進(jìn)行訓(xùn)練并獲得子圖行人檢測模型和原圖行人檢測模型；S4獲取輸入圖片并根據(jù)透視投影關(guān)系從輸入圖片的遠(yuǎn)處成像中分割出多個(gè)小目標(biāo)圖片；S5用兩個(gè)檢測模型分別對(duì)小目標(biāo)圖片和輸入圖片進(jìn)行檢測，獲得兩類檢測結(jié)果；S6用非極大值抑制法對(duì)兩類檢測結(jié)果進(jìn)行合并，得到最終檢測結(jié)果。本發(fā)明能夠針對(duì)不同的圖片用不同的深度網(wǎng)絡(luò)來學(xué)習(xí)目標(biāo)特征并得到訓(xùn)練模型，使檢測更有針對(duì)性，效果更好。