买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：上海有个机器人有限公司

摘要：本申请是关于一种红外夜视图像行人检测方法、电子设备及存储介质，通过行人检测模型中采用QualityFocalLoss对所述预设场景下的行人图像的分类或者质量分数约束和通过DistributionFocalLoss对所述预设场景下的行人图像的边界框回归约束，提升整体效果，同时骨干网络选用Shufflenet‑v2作为特征提取器，且利用通道重组的方式防止特征信息不流通的问题，使得红外夜视图像行人检测方法的模型参数及推理速度上大幅度提升，解决了现有的检测结构复杂，速度慢，效率低的问题。

主权项：1.一种红外夜视图像行人检测方法，其特征在于，包括以下步骤：步骤1，采集预设场景下的行人图像，并对所述预设场景下的行人图像进行预处理，形成训练集；步骤2，构建行人检测网络模型，所述行人检测网络模型包括Shufflenet-v2算法的骨干网络、特征融合模块以及检测头部；步骤3，采用所述训练集的图像对所述行人检测网络模型进行训练，优化所述行人检测网络模型的网络参数；在所述行人检测网络模型中，通过QualityFocalLossQFL对所述预设场景下的行人图像的分类或者质量分数约束；在所述行人检测网络模型中，通过DistributionFocalLossDFL对所述预设场景下的行人图像的边界框回归约束；QualityFocalLossQFL的约束函数为：QFLx＝-|y-x|β1-ylog1-x+ylogx；其中x为经过sigmoid激活的置信度，y为预测目标，当行人图像为负样本时，y值为0；行人图像为正样本时，y值表示样本对应的IoU值；DistributionFocalLossDFL的约束函数为：DFLSi,Si+1＝-yi+1-ylogSi+y-yilogSi+1；其中，Si和Si+1则分别表示预测目标y落在对应预测区间[yi,yi+1]的概率；所述骨干网络包括多个子模块，所述子模块的卷积层采用深度可分离卷积，深度可分离卷积由深度卷积和逐点卷积组成；当输入图片的尺寸为DF×DF×M，卷积核尺寸为DK×DK×M,输出的图片的尺寸为DF×DF×N,利用所述深度可分离卷积对输入的图片进行卷积包括以下步骤:S101，利用所述深度卷积对M组的特征进行逐通道的卷积操作,得到深度卷积中的参数量为DK×DK×1×M；S102，利用所述逐点卷积转换通道，得到所述逐点卷积的参数量为1×1×M×N；所述子模块包括一基础模块以及一下采样模块，所述基础模块的结构按计算单元处理顺序为：通道分离器，用于将输入图像的特征分离；第一卷积层采用标准卷积，卷积核大小为1*1；第二卷积层采用深度可分离卷积，卷积核大小为3*3，所述第一卷积层与所述第二卷积层通过激活函数连接；第三卷积层为标准卷积，卷积核大小为1*1，所述第二卷积层通过批量归一化后得到所述第三卷积层；串接器，用于将所述通道分离器分离后的特征通道重新串接在一起；通道重组器，用于将所述串接器串接的特征通道重组。

全文数据：

权利要求：

百度查询： 上海有个机器人有限公司 红外夜视图像行人检测方法、电子设备及存储介质