一种头肩区域检测方法及装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利(10)授权公告号CN108805016B(45)授权公告日2022.02.08(21)申请号201810391398.4G06V10/84(2022.01)(22)申请日2018.04.27G06V10/80(2022.01)G06V10/82(2022.01)(65)同一申请的已公布的文献号G06K9/62(2022.01)申请公布号CN108805016AG06N3/08(2006.01)(43)申请公布日2018.11.13(56)对比文件(73)专利权人新智数字科技有限公司CN106874894A,2017.06.20地址065000河北省廊坊市经济技术开发CN107145845A,2017.09.08区华祥路0338丘一幢一楼105室CN106845406A,2017.06.13(72)发明人谢波陈江林彭莉CN105844234A,2016.08.10EP2924611A1,2015.09.30(74)专利代理机构北京同达信恒知识产权代理员徐晓有限公司11291审查代理人黄志华(51)Int.Cl.G06V20/59(2022.01)G06V10/774(2022.01)权利要求书2页说明书10页附图2页(54)发明名称一种头肩区域检测方法及装置(57)摘要本发明涉及图像检测技术领域，特别涉及一种头肩区域检测方法及装置。该方法为：获取待检测图像；基于训练完成的，包含有特征提取网络层，候选框生成网络层和目标检测网络层的网络模型对上述待检测图像进行检测，得到相应的检测结果，其中，上述特征提取网络层具有提取融合特征，保留原始特征信息和调整模型大小的功能；基于上述检测结果判定所述待检测图形中存在头肩区域时，确定上述头肩区域在上述待检测图像中的位置。采用上述方法，对待检测原图的特征提取更全面，从而使得候选框生成网络层能够从多尺度特征来进行候选框的生成，保证了对拍摄质量差，图像不清晰的原图像的检测结果的精确性。CN108805016BCN108805016B权利要求书1/2页1.一种头肩区域检测方法，其特征在于，包括：获取待检测图像；基于训练完成的，包含有特征提取网络层，候选框生成网络层和目标检测网络层的网络模型对所述待检测图像进行检测，得到相应的检测结果；其中，所述特征提取网络层具有提取融合特征，保留原始特征信息和调整模型大小的功能，所述特征提取网络层是基于如下特性设计的：ION网络使用空间递归神经网络上下文特征结合的特性以及ION网络将经过在上、下、左、右四个方向独立地使用循环神经网络并连接各输出组合成一个特征输出的过程两次后得到的上下文特征，与之前的多个卷积层的输出特征连接，得到包括上下文信息和多尺度信息的特征的特性；C‑RELU激活函数的特性和Inception‑Resnet网络的特性；基于所述检测结果判定所述待检测图像中存在头肩区域时，确定所述头肩区域在所述待检测图像中的位置。2.如权利要求1所述的方法，其特征在于，所述候选框生成网络为RPN网络，用于从所述待检测图像相对应的特征图中提取15‑20个锚点，并进行卷积处理；所述目标检测网络为RCNN，采用globel‑pooling层对卷积层输出的特征图进行池化处理，以减少过拟合程度。3.如权利要求1所述的方法，其特征在于，在所述获取待检测图像之前，进一步包括：采用公共数据集对预训练网络进行训练，得到相应的预模型，其中，所述预模型用于初始化所述特征提取网络层的参数；采用预设的图像样本集合对所述预模型进行训练，得到所述网络模型。4.如权利要求3所述的方法，其特征在于，所述采用公共数据集对预训练网络进行训练，包括：根据所述特征提取网络层和所述目标检测网络层，生成相应的预训练网络；并采用公共数据集对所述预训练网络进行训练。5.如权利要求4所述的方法，其特征在于，所述采用预设的图像样本集合对所述预模型进行训练，包括：按照预设的第一训练次数，依次针对所述图像样本集合中每一样本图像输入所述预模型进行训练，并在确定总训练次数达到第一设定阈值时，按照预设的第二训练次数，依次针对所述图像样本集合中每一样本图像输入所述预模型进行训练，其中，预设的第一训练次数等于第二训练次数与常数N之和，N为大于等于1的正整数；直至当前预设的训练次数小于等于N时，按照所述当前预设的训练次数，依次针对所述图像样本集合中每一样本图像输入所述预模型进行训练，完成对所述预模型的训练。6.如权利要求1‑5任一项所述的方法，其特征在于，所述基于训练完成的，包含有特征提取网络层，候选框生成网络层和目标检测网络层的网络模型对所述待检测图像进行检测，得到相应的检测结果，包括：将所述待检测图像输入所述网络模型中；所述特征提取网络层提取所述待检测图像的特征点，并将包含所述特征点