行人检测方法、系统、电子设备以及可读介质与流程

1.本公开涉及行人检测领域，尤其涉及一种行人检测方法、系统电子设备以及可读介质。


背景技术：

2.随着计算机硬件水平的逐渐提高，gpu算力的提升，以深度学习为基础的众多人工智能技术进入了发展的黄金时期。计算机视觉技术作为人工智能尤为重要的组成部分，近年来，也受到了极大的关注。计算机视觉技术指通过计算机对摄像设备拍摄的图片或视频进行处理，以实现人眼的功能，从而实现目标检测、目标跟踪、目标识别等效果。行人检测技术因聚焦于行人这一特定目标，从而与社会生产及生活密切相关，所以，行人检测技术一直是计算机视觉领域中的研究重难点。
3.行人检测可以说是基于目标检测的，但是会针对行人的具体特征，进行适当的优化，从而提高行人的检测效果。具体来讲，行人检测是一种使用计算机来判断图片或者视频中是否存在行人并获取行人的精确位置信息的技术。目前，行人检测技术的应用场景有车辆无人驾驶、安防系统等，同时也可以与行人目标跟踪、行人重识别等技术相结合，进而应用于交互机器人系统、智慧交通、行人搜索、智能驾驶、视频监控、交通监控系统等领域中。
4.然而，由于行人检测的应用场景可能是商场、街道、十字路口、地铁站等密集场景，场景中行人目标尺寸较小且相互间存在大量遮挡，产生了，具有完整行人特征的目标缺失部分特征信息，影响模型的特征提取高效的问题；遮挡现象在减少目标特征的同时，会在行人的表征特征中引入噪声干扰，使模型难以对重要特征进行有效提纯的问题；行人目标个数较多，单个目标的分辨率较低特征信息较少，易使模型产生漏检的问题。


技术实现要素：

5.提供该公开内容部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该公开内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
6.本公开实施例提供了一种行人检测方法、系统、电子设备以及可读介质，解决了具有完整行人特征的目标缺失部分特征信息，影响模型的特征提取高效的问题；遮挡现象在减少目标特征的同时，会在行人的表征特征中引入噪声干扰，使模型难以对重要特征进行有效提纯的问题；行人目标个数较多，单个目标的分辨率较低特征信息较少，易使模型产生漏检的问题。
7.第一方面，本公开实施例提供了一种行人检测方法，包括：基于注意力模型detr，对因拥挤行人场景中遮挡导致目标缺失部分特征进行目标检测；在注意力模型detr基础上加入可变形注意力编码器，使得此时模型可以利用含有小目标信息的多尺度特征图对小目标行人的检测；将已经加入可变形注意力编码器的检测模型内resnet-50骨干网络替换为融合了通道空间注意力模块的改进efficientnet骨干网络，对已经采集到的目标进行重要
特征提取；对已经替换为改进efficientnet骨干网络的检查模型的训练模块的损失函数建立为smooth-l1与giou结合的函数作为回归损失，对检测边框进行预测回归，进而定位行人位置。
8.结合第一方面的实施例，在一些实施例中，所述在注意力模型detr基础上加入可变形注意力编码器，使得此时模型可以利用含有小目标信息的多尺度特征图对小目标行人的检测，包括：
9.detr采用注意力检测模块进行检测结果输出，注意力检测模块难以有效利用含有较多小目标信息的多尺度特征图，对detr注意力检测模块进行改进；
10.可变形注意力编码器与注意力编码器一样拥有特征编码能力，与解码器结合使网络保留了全局建模能力；
11.将注意力编码器替换为可变形注意力编码器，与解码器结合使网络保留了全局建模能力，加注可学习的位置编码特征图输入注意力编码器后，编码器计算采样点与其附近部分像素点之间的注意力权重；
12.将注意力解码器替换为可变形注意力解码器，使模型在不使用特征金字塔结构的情况下也能有效的利用骨干网络提取的尺度特征图；
13.neck层输出的多尺度特征图按位置添加学习的位置编码后送入可变形注意力编码器进行注意力权值更新；
14.送入的多尺度特征图通过三个全连接层分别转化为像素点注意力权重，注意力偏移量，及注意力权重系数；
15.注意力偏移量为当前参考点与其附近像素点进行偏移量计算后得出的与当前参考点相关联的像素点的位置偏移量；
16.注意力权重系数为与当前参考点相关联的像素点所拥有注意力权重值；
17.可变形注意力编码器关注到一个参考素点后，通过注意力偏移量计算与当前参考点关联的所有像素点，并将这些像素点结合其对应的注意力权重与注意力权重系数更新当前参考点的注意力权值，进而完成对所有像素点的全局注意力权重编码；
18.完成全局注意力权重编码的特征图被送入解码器后直接输出检测结果，进而减少小目标语义信息在下采样过程中的损失，提升对小目标物体的检测性能；
19.多头变形注意力公式为
[0020][0021]
其中，vd为输入的原始特征，为当前参考点的归一化坐标，z为特征图编号，mw为多头注意力，h为注意力编号，n为自然数表示注意力编号的最大值，c为特征金字塔的维度编号，j为当前采样点编号，m
′wz为像素点注意力权重，δw
hcdj
为注意力偏移量，a
hcdj
为注意力权重系数。
[0022]
结合第一方面的实施例，在一些实施例中，所述将已经加入可变形注意力编码器的检测模型内resnet-50骨干网络替换为融合了通道空间注意力模块的改进efficientnet骨干网络，对已经采集到的目标进行重要特征提取，包括：
[0023]
resnet-50系列网络采用增加网络模块层数的方式提升网络性能，虽然获得了较好的特征提取能力，但其本身参数量较大且堆叠层数较深，难以对信息量较少的被遮挡目标特征进行有效提取并为后续编码网络提供高效的多尺度特征图；
[0024]
将resnet-50骨干网络替换efficientnet骨干网络，efficientnet骨干网络的核心模块为mbconv模块，此模块由深度可分离卷积连接压缩与激励模块并最终通过swish激活函数构成，其中，在mbconv模块的作用下，efficientnet骨干网络在特征提取阶段实现了对重要通道特征的高效提纯；
[0025]
将通道空间注意力模块替换mbconv模块中的压缩与激励模块，可以依次计算通道与空间两个维度的注意力图，并将注意力图与特征图相乘以进行自适应特征优化，对空间信息进行提纯进而提升算法对遮挡目标的检测性能；
[0026]
将efficientnet骨干网络前4个层级模块替换为融合通道空间注意力模块不包含深度可分离卷积的fused-cbamconv模块，最后3个层级模块替换为融合通道空间注意力模块且包含深度可分离卷积的cbamconv模块；
[0027]
对输入的原特征图通过改进efficientnet骨干网络进行重要特征提取，给可变形注意力编码器提供的多尺度特征图。
[0028]
结合第一方面的实施例，在一些实施例中，所述对已经替换为改进efficientnet骨干网络的检查模型的训练模块的损失函数建立为smooth-l1与giou结合的函数作为回归损失，对检测边框进行预测回归，进而定位行人位置，包括：
[0029]
通过giou函数计算预测框与真实框之间的重叠情况，giou定义为：
[0030][0031]
其中，d为预测框面积，e为真实框面积，r为能同时包住a与b的最小方框面积；
[0032]
通过smooth-l1损失函数在计算损失时，使用了预测框与真实框的横纵坐标值及长宽数值，其中，smooth-l1损失函数为：
[0033][0034]
其中，d
θ(j)
为第i个索引的真实框，为第i个索引的预测框；
[0035]
将giou函数和smooth-l1损失函数融合作为该模型的回归损失，将提高对检测边框进行预测回归的准确度，精确定位行人位置。
[0036]
第二方面，本公开实施例提供了一种行人检测系统，包括：
[0037]
基础单元，基于注意力模型detr，对因拥挤行人场景中遮挡导致目标缺失部分特征进行目标检测；
[0038]
检测精度单元，在注意力模型detr基础上加入可变形注意力编码器，使得此时模
型可以利用含有小目标信息的多尺度特征图对小目标行人的检测；
[0039]
特征提取单元，将已经加入可变形注意力编码器的检测模型内resnet-50骨干网络替换为融合了通道空间注意力模块的改进efficientnet骨干网络，对已经采集到的目标进行重要特征提取；
[0040]
训练单元，对已经替换为改进efficientnet骨干网络的检查模型的训练模块的损失函数建立为smooth-l1与giou结合的函数作为回归损失，对检测边框进行预测回归，进而定位行人位置。
[0041]
结合第二方面的实施例，在一些实施例中，所述检测精度单元，在注意力模型detr基础上加入可变形注意力编码器，使得此时模型可以利用含有小目标信息的多尺度特征图对小目标行人的检测，包括：
[0042]
detr采用注意力检测模块进行检测结果输出，注意力检测模块难以有效利用含有较多小目标信息的多尺度特征图，对detr注意力检测模块进行改进；
[0043]
可变形注意力编码器与注意力编码器一样拥有特征编码能力，与解码器结合使网络保留了全局建模能力；
[0044]
将注意力编码器替换为可变形注意力编码器，与解码器结合使网络保留了全局建模能力，加注可学习的位置编码特征图输入注意力编码器后，编码器计算采样点与其附近部分像素点之间的注意力权重；
[0045]
将注意力解码器替换为可变形注意力解码器，使模型在不使用特征金字塔结构的情况下也能有效的利用骨干网络提取的尺度特征图；
[0046]
neck层输出的多尺度特征图按位置添加学习的位置编码后送入可变形注意力编码器进行注意力权值更新；
[0047]
送入的多尺度特征图通过三个全连接层分别转化为像素点注意力权重，注意力偏移量，及注意力权重系数；
[0048]
注意力偏移量为当前参考点与其附近像素点进行偏移量计算后得出的与当前参考点相关联的像素点的位置偏移量；
[0049]
注意力权重系数为与当前参考点相关联的像素点所拥有注意力权重值；
[0050]
可变形注意力编码器关注到一个参考素点后，通过注意力偏移量计算与当前参考点关联的所有像素点，并将这些像素点结合其对应的注意力权重与注意力权重系数更新当前参考点的注意力权值，进而完成对所有像素点的全局注意力权重编码；
[0051]
完成全局注意力权重编码的特征图被送入解码器后直接输出检测结果，进而减少小目标语义信息在下采样过程中的损失，提升对小目标物体的检测性能；
[0052]
多头变形注意力公式为
[0053]
[0054]
其中，vd为输入的原始特征，为当前参考点的归一化坐标，z为特征图编号，mw为多头注意力，h为注意力编号，n为自然数表示注意力编号的最大值，c为特征金字塔的维度编号，j为当前采样点编号，m
′wz为像素点注意力权重，δw
hcdj
为注意力偏移量，a
hcdj
为注意力权重系数。
[0055]
结合第二方面的实施例，在一些实施例中，所述特征提取单元，将已经加入可变形注意力编码器的检测模型内resnet-50骨干网络替换为融合了通道空间注意力模块的改进efficientnet骨干网络，对已经采集到的目标进行重要特征提取，包括：
[0056]
resnet-50系列网络采用增加网络模块层数的方式提升网络性能，虽然获得了较好的特征提取能力，但其本身参数量较大且堆叠层数较深，难以对信息量较少的被遮挡目标特征进行有效提取并为后续编码网络提供高效的多尺度特征图；
[0057]
将resnet-50骨干网络替换efficientnet骨干网络，efficientnet骨干网络的核心模块为mbconv模块，此模块由深度可分离卷积连接压缩与激励模块并最终通过swish激活函数构成，其中，在mbconv模块的作用下，efficientnet骨干网络在特征提取阶段实现了对重要通道特征的高效提纯；
[0058]
将通道空间注意力模块替换mbconv模块中的压缩与激励模块，可以依次计算通道与空间两个维度的注意力图，并将注意力图与特征图相乘以进行自适应特征优化，对空间信息进行提纯进而提升算法对遮挡目标的检测性能；
[0059]
将efficientnet骨干网络前4个层级模块替换为融合通道空间注意力模块不包含深度可分离卷积的fused-cbamconv模块，最后3个层级模块替换为融合通道空间注意力模块且包含深度可分离卷积的cbamconv模块；
[0060]
对输入的原特征图通过改进efficientnet骨干网络进行重要特征提取，给可变形注意力编码器提供的多尺度特征图。
[0061]
结合第二方面的实施例，在一些实施例中，所述对已经替换为改进efficientnet骨干网络的检查模型的训练模块的损失函数建立为smooth-l1与giou结合的函数作为回归损失，对检测边框进行预测回归，进而定位行人位置，包括：
[0062]
通过giou函数计算预测框与真实框之间的重叠情况，giou定义为：
[0063][0064]
其中，d为预测框面积，e为真实框面积，r为能同时包住a与b的最小方框面积；
[0065]
通过smooth-l1损失函数在计算损失时，使用了预测框与真实框的横纵坐标值及长宽数值，其中，smooth-l1损失函数为：
[0066][0067]
其中，d
θ(j)
为第i个索引的真实框，为第i个索引的预测框；
[0068]
将giou函数和smooth-l1损失函数融合作为该模型的回归损失，将提高对检测边
是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
[0082]
请参考图1，其示出了根据本公开的一种行人检测方法的一个实施例的流程。如图1所示，该方法包括以下步骤：
[0083]
步骤101，基于注意力模型detr，对因拥挤行人场景中遮挡导致目标缺失部分特征进行目标检测。
[0084]
步骤102，在注意力模型detr基础上加入可变形注意力编码器，使得此时模型可以利用含有小目标信息的多尺度特征图对小目标行人的检测。
[0085]
在这里，步骤102包括：
[0086]
detr采用注意力检测模块进行检测结果输出，注意力检测模块难以有效利用含有较多小目标信息的多尺度特征图，对detr注意力检测模块进行改进；
[0087]
可变形注意力编码器与注意力编码器一样拥有特征编码能力，与解码器结合使网络保留了全局建模能力；
[0088]
将注意力编码器替换为可变形注意力编码器，与解码器结合使网络保留了全局建模能力，加注可学习的位置编码特征图输入注意力编码器后，编码器计算采样点与其附近部分像素点之间的注意力权重；
[0089]
将注意力解码器替换为可变形注意力解码器，使模型在不使用特征金字塔结构的情况下也能有效的利用骨干网络提取的尺度特征图；
[0090]
neck层输出的多尺度特征图按位置添加学习的位置编码后送入可变形注意力编码器进行注意力权值更新；
[0091]
送入的多尺度特征图通过三个全连接层分别转化为像素点注意力权重，注意力偏移量，及注意力权重系数；
[0092]
注意力偏移量为当前参考点与其附近像素点进行偏移量计算后得出的与当前参考点相关联的像素点的位置偏移量；
[0093]
注意力权重系数为与当前参考点相关联的像素点所拥有注意力权重值；
[0094]
可变形注意力编码器关注到一个参考素点后，通过注意力偏移量计算与当前参考点关联的所有像素点，并将这些像素点结合其对应的注意力权重与注意力权重系数更新当前参考点的注意力权值，进而完成对所有像素点的全局注意力权重编码；
[0095]
完成全局注意力权重编码的特征图被送入解码器后直接输出检测结果，进而减少小目标语义信息在下采样过程中的损失，提升对小目标物体的检测性能；
[0096]
多头变形注意力公式为
[0097]
[0098]
其中，vd为输入的原始特征，为当前参考点的归一化坐标，z为特征图编号，mw为多头注意力，h为注意力编号，n为自然数表示注意力编号的最大值，c为特征金字塔的维度编号，j为当前采样点编号，m
′wz为像素点注意力权重，δw
hcdj
为注意力偏移量，a
hcdj
为注意力权重系数。
[0099]
步骤103，将已经加入可变形注意力编码器的检测模型内resnet-50骨干网络替换为融合了通道空间注意力模块的改进efficientnet骨干网络，对已经采集到的目标进行重要特征提取。
[0100]
在这里，步骤103包括：
[0101]
resnet-50系列网络采用增加网络模块层数的方式提升网络性能，虽然获得了较好的特征提取能力，但其本身参数量较大且堆叠层数较深，难以对信息量较少的被遮挡目标特征进行有效提取并为后续编码网络提供高效的多尺度特征图；
[0102]
将resnet-50骨干网络替换efficientnet骨干网络，efficientnet骨干网络的核心模块为mbconv模块，此模块由深度可分离卷积连接压缩与激励模块并最终通过swish激活函数构成，其中，在mbconv模块的作用下，efficientnet骨干网络在特征提取阶段实现了对重要通道特征的高效提纯；
[0103]
将通道空间注意力模块替换mbconv模块中的压缩与激励模块，可以依次计算通道与空间两个维度的注意力图，并将注意力图与特征图相乘以进行自适应特征优化，对空间信息进行提纯进而提升算法对遮挡目标的检测性能；
[0104]
由于现有的一些加速器无法充分支持深度可分离卷积，导致在浅层网络中使用包含深度可分离卷积的模块可能降低网络工作效率，为了减轻深度可分离卷积对网络效率的影响并有效利用特征图中的空间信息，如图2所示，设计了一种融合通道空间注意力模块且包含深度可分离卷积的cbamconv模块结构示意图，如图3所示，设计了一种融合通道空间注意力模块不包含深度可分离卷积的fused-cbamconv模块结构示意图；
[0105]
为了防止在浅层网络中出现过多的深度可分离卷积影响网络的检测效率，将efficientnet骨干网络前4个层级模块替换为融合通道空间注意力模块不包含深度可分离卷积的fused-cbamconv模块，最后3个层级模块替换为融合通道空间注意力模块且包含深度可分离卷积的cbamconv模块，在本实施例的实施方式中，输入图像为3通道分辨率300
×
300的rgb图像，改进的efficientnet骨干网络参数如图4所示；
[0106]
对输入的原特征图通过改进efficientnet骨干网络进行重要特征提取，给可变形注意力编码器提供的多尺度特征图。
[0107]
步骤104，对已经替换为改进efficientnet骨干网络的检查模型的训练模块的损失函数建立为smooth-l1与giou结合的函数作为回归损失，对检测边框进行预测回归，进而定位行人位置。
[0108]
该方法，基于注意力模型detr，对因拥挤行人场景中遮挡导致目标缺失部分特征进行目标检测；在注意力模型detr基础上加入可变形注意力编码器，使得此时模型可以利用含有小目标信息的多尺度特征图对小目标行人的检测；将已经加入可变形注意力编码器的检测模型内resnet-50骨干网络替换为融合了通道空间注意力模块的改进efficientnet骨干网络，对已经采集到的目标进行重要特征提取；对已经替换为改进efficientnet骨干网络的检查模型的训练模块的损失函数建立为smooth-l1与giou结合的函数作为回归损
失，对检测边框进行预测回归，进而定位行人位置。
[0109]
进行行人检测时，改进的efficientnet骨干网络对送入的rgb图像进行特征提取并将网络第6，7，8层输出的特征图传入颈部网络；颈部网络将得到的特征图转化为通道数均为256，尺寸不变的多尺度特征图；注意力检测模块给颈部网络转化的多尺度特征图加注可学习的位置编码后送入可变形注意力编码器进行注意力编码，编码结束后由解码器进行解码并输出检测预测框，进而定位行人位置。
[0110]
解决了具有完整行人特征的目标缺失部分特征信息，影响模型的特征提取高效的问题；遮挡现象在减少目标特征的同时，会在行人的表征特征中引入噪声干扰，使模型难以对重要特征进行有效提纯的问题；行人目标个数较多，单个目标的分辨率较低特征信息较少，易使模型产生漏检的问题。
[0111]
在这里，步骤104包括：
[0112]
通过giou函数计算预测框与真实框之间的重叠情况，giou定义为：
[0113][0114]
其中，d为预测框面积，e为真实框面积，r为能同时包住a与b的最小方框面积；
[0115]
通过smooth-l1损失函数在计算损失时，使用了预测框与真实框的横纵坐标值及长宽数值，其中，smooth-l1损失函数为：
[0116][0117]
其中，d
θ(j)
为第i个索引的真实框，为第i个索引的预测框；
[0118]
将giou函数和smooth-l1损失函数融合作为该模型的回归损失，将提高对检测边框进行预测回归的准确度，回归损失。
[0119]
进一步参考图5，作为为对上述图1所示方法的实现，本公开了一种行人检测系统，该系统实施例与图1所示的方法实施例相对应。该系统具体可以应用于各种电子设备中。
[0120]
如图5所示，本实施例的系统包括：
[0121]
基础单元501，基于注意力模型detr，对因拥挤行人场景中遮挡导致目标缺失部分特征进行目标检测；
[0122]
检测精度单元502，在注意力模型detr基础上加入可变形注意力编码器，使得此时模型可以利用含有小目标信息的多尺度特征图对小目标行人的检测；
[0123]
在一些可选实施例中，特征提取单元503，将已经加入可变形注意力编码器的检测模型内resnet-50骨干网络替换为融合了通道空间注意力模块的改进efficientnet骨干网络，对已经采集到的目标进行重要特征提取；
[0124]
训练单元504，对已经替换为改进efficientnet骨干网络的检查模型的训练模块的损失函数建立为smooth-l1与giou结合的函数作为回归损失，对检测边框进行预测回归，进而定位行人位置。
[0125]
在一些可选实施例中，检测精度单元502，在注意力模型detr基础上加入可变形注
意力编码器，使得此时模型可以利用含有小目标信息的多尺度特征图对小目标行人的检测，包括：
[0126]
detr采用注意力检测模块进行检测结果输出，注意力检测模块难以有效利用含有较多小目标信息的多尺度特征图，对detr注意力检测模块进行改进；
[0127]
可变形注意力编码器与注意力编码器一样拥有特征编码能力，与解码器结合使网络保留了全局建模能力；
[0128]
将注意力编码器替换为可变形注意力编码器，与解码器结合使网络保留了全局建模能力，加注可学习的位置编码特征图输入注意力编码器后，编码器计算采样点与其附近部分像素点之间的注意力权重；
[0129]
将注意力解码器替换为可变形注意力解码器，使模型在不使用特征金字塔结构的情况下也能有效的利用骨干网络提取的尺度特征图；
[0130]
neck层输出的多尺度特征图按位置添加学习的位置编码后送入可变形注意力编码器进行注意力权值更新；
[0131]
送入的多尺度特征图通过三个全连接层分别转化为像素点注意力权重，注意力偏移量，及注意力权重系数；
[0132]
注意力偏移量为当前参考点与其附近像素点进行偏移量计算后得出的与当前参考点相关联的像素点的位置偏移量；
[0133]
注意力权重系数为与当前参考点相关联的像素点所拥有注意力权重值；
[0134]
可变形注意力编码器关注到一个参考素点后，通过注意力偏移量计算与当前参考点关联的所有像素点，并将这些像素点结合其对应的注意力权重与注意力权重系数更新当前参考点的注意力权值，进而完成对所有像素点的全局注意力权重编码；
[0135]
完成全局注意力权重编码的特征图被送入解码器后直接输出检测结果，进而减少小目标语义信息在下采样过程中的损失，提升对小目标物体的检测性能；
[0136]
多头变形注意力公式为
[0137][0138]
其中，vd为输入的原始特征，为当前参考点的归一化坐标，z为特征图编号，mw为多头注意力，h为注意力编号，n为自然数表示注意力编号的最大值，c为特征金字塔的维度编号，j为当前采样点编号，m
′wz为像素点注意力权重，δw
hcdj
为注意力偏移量，a
hcd
为注意力权重系数。
[0139]
在一些可选实施例中，特征提取单元503，将已经加入可变形注意力编码器的检测模型内resnet-50骨干网络替换为融合了通道空间注意力模块的改进efficientnet骨干网络，对已经采集到的目标进行重要特征提取，包括：
[0140]
resnet-50系列网络采用增加网络模块层数的方式提升网络性能，虽然获得了较
好的特征提取能力，但其本身参数量较大且堆叠层数较深，难以对信息量较少的被遮挡目标特征进行有效提取并为后续编码网络提供高效的多尺度特征图；
[0141]
将resnet-50骨干网络替换efficientnet骨干网络，efficientnet骨干网络的核心模块为mbconv模块，此模块由深度可分离卷积连接压缩与激励模块并最终通过swish激活函数构成，其中，在mbconv模块的作用下，efficientnet骨干网络在特征提取阶段实现了对重要通道特征的高效提纯；
[0142]
将通道空间注意力模块替换mbconv模块中的压缩与激励模块，可以依次计算通道与空间两个维度的注意力图，并将注意力图与特征图相乘以进行自适应特征优化，对空间信息进行提纯进而提升算法对遮挡目标的检测性能；
[0143]
由于现有的一些加速器无法充分支持深度可分离卷积，导致在浅层网络中使用包含深度可分离卷积的模块可能降低网络工作效率，为了减轻深度可分离卷积对网络效率的影响并有效利用特征图中的空间信息，如图2所示，设计了一种融合通道空间注意力模块且包含深度可分离卷积的cbamconv模块结构示意图，如图3所示，设计了一种融合通道空间注意力模块不包含深度可分离卷积的fused-cbamconv模块结构示意图；
[0144]
为了防止在浅层网络中出现过多的深度可分离卷积影响网络的检测效率，将efficientnet骨干网络前4个层级模块替换为融合通道空间注意力模块不包含深度可分离卷积的fused-cbamconv模块，最后3个层级模块替换为融合通道空间注意力模块且包含深度可分离卷积的cbamconv模块，在本实施例的实施方式中，输入图像为3通道分辨率300
×
300的rgb图像，改进的efficientnet骨干网络参数如图4所示。
[0145]
训练单元504，对已经替换为改进efficientnet骨干网络的检查模型的训练模块的损失函数建立为smooth-l1与giou结合的函数作为回归损失，对检测边框进行预测回归，包括：
[0146]
通过giou函数计算预测框与真实框之间的重叠情况，giou定义为：
[0147][0148]
其中，d为预测框面积，e为真实框面积，r为能同时包住a与b的最小方框面积；
[0149]
通过smooth-l1损失函数在计算损失时，使用了预测框与真实框的横纵坐标值及长宽数值，其中，smooth-l1损失函数为：
[0150][0151]
其中，d
θ(j)
为第i个索引的真实框，为第i个索引的预测框；
[0152]
将giou函数和smooth-l1损失函数融合作为该模型的回归损失，将提高对检测边框进行预测回归的准确度，回归损失。
[0153]
下面参考图6，其示出了适于用来实现本公开实施例的电子设备的结构示意图。本公开实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、pda(个人数字助理)、pad(平板电脑)、pmp(便携式多媒体播放器)等的移动终端以及诸如数
字tv、台式计算机等等的固定终端。图6示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
[0154]
如图6所示，电子设备可以包括处理装置(例如中央处理器、图形处理器等)901，其可以根据存储在只读存储器(rom)902中的程序或者从存储装置908加载到随机访问存储器(ram)903中的程序而执行各种适当的动作和处理。在ram903中，还存储有电子设备这操作所需的各种程序和数据。处理装置901、rom902以及ram903通过总线904彼此相连。输入/输出(i/o)接口905也连接至总线904。
[0155]
通常，以下装置可以连接至i/o接口905：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置906；包括例如液晶显示器(lcd)、扬声器、振动器等的输出装置907；包括例如磁带、硬盘等的存储装置908；以及通信装置909。通信装置909可以允许电子设备与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
[0156]
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置909从网络上被下载和安装，或者从存储装置908被安装，或者从rom902被安装。在该计算机程序被处理装置901执行时，执行本公开实施例的方法中限定的上述功能。
[0157]
需要说明的是，本公开的计算机可读介质可以是计算机可读信号介质或者计算机可读可读介质或者是上述两者的任意组合。计算机可读可读介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读可读介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读可读介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读可读介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、rf(射频)等等，或者上述的任意合适的组合。
[0158]
在一些实施方式中，客户端、服务器可以利用诸如http(hypertexttransferprotocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“lan”)，广域网(“wan”)，网际网(例如，互联网)以及端对端网络(例如，adhoc端对端网络)，以及任何当前已知或未来研发的网络。
[0159]
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
[0160]
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：基于注意力模型detr，对因拥挤行人场景中遮挡导致目标缺失部分特征进行目标检测；在注意力模型detr基础上加入可变形注意力编码器，使得此时模型可以利用含有小目标信息的多尺度特征图对小目标行人的检测；将已经加入可变形注意力编码器的检测模型内resnet-50骨干网络替换为融合了通道空间注意力模块的改进efficientnet骨干网络，对已经采集到的目标进行重要特征提取；对已经替换为改进efficientnet骨干网络的检查模型的训练模块的损失函数建立为smooth-l1与giou结合的函数作为回归损失，对检测边框进行预测回归。
[0161]
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如java、smalltalk、c++、python，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
[0162]
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
[0163]
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定，例如，预处理模块还可以被描述为“基于掌子面精细化分级结果，对掌子面各层围岩级别进行模糊化预处理的单元”。
[0164]
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、片上系统(soc)、复杂可编程逻辑设备(cpld)等等。
[0165]
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合
适组合。机器可读可读介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
[0166]
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
[0167]
此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
[0168]
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。
[0169]
以上仅为本技术的优选实施方式而已，并不用于限制本技术，对于本领域的技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本技术的保护范围之内。

技术特征：
1.一种行人检测方法，其特征在于，所述方法包括：基于注意力模型detr，对因拥挤行人场景中遮挡导致目标缺失部分特征进行目标检测；在注意力模型detr基础上加入可变形注意力编码器，使得此时模型可以利用含有小目标信息的多尺度特征图对小目标行人的检测；将已经加入可变形注意力编码器的检测模型内resnet-50骨干网络替换为融合了通道空间注意力模块的改进efficientnet骨干网络，对已经采集到的目标进行重要特征提取；对已经替换为改进efficientnet骨干网络的检查模型的训练模块的损失函数建立为smooth-l1与giou结合的函数作为回归损失，对检测边框进行预测回归，进而定位行人位置。2.根据权利要求1所述的方法，其特征在于，所述在注意力模型detr基础上加入可变形注意力编码器，使得此时模型可以利用含有小目标信息的多尺度特征图对小目标行人的检测，包括：detr采用注意力检测模块进行检测结果输出，注意力检测模块难以有效利用含有较多小目标信息的多尺度特征图，对detr注意力检测模块进行改进；可变形注意力编码器与注意力编码器一样拥有特征编码能力，与解码器结合使网络保留了全局建模能力；将注意力编码器替换为可变形注意力编码器，与解码器结合使网络保留了全局建模能力，加注可学习的位置编码特征图输入注意力编码器后，编码器计算采样点与其附近部分像素点之间的注意力权重；将注意力解码器替换为可变形注意力解码器，使模型在不使用特征金字塔结构的情况下也能有效的利用骨干网络提取的尺度特征图；neck层输出的多尺度特征图按位置添加学习的位置编码后送入可变形注意力编码器进行注意力权值更新；送入的多尺度特征图通过三个全连接层分别转化为像素点注意力权重，注意力偏移量，及注意力权重系数；注意力偏移量为当前参考点与其附近像素点进行偏移量计算后得出的与当前参考点相关联的像素点的位置偏移量；注意力权重系数为与当前参考点相关联的像素点所拥有注意力权重值；可变形注意力编码器关注到一个参考素点后，通过注意力偏移量计算与当前参考点关联的所有像素点，并将这些像素点结合其对应的注意力权重与注意力权重系数更新当前参考点的注意力权值，进而完成对所有像素点的全局注意力权重编码；完成全局注意力权重编码的特征图被送入解码器后直接输出检测结果，进而减少小目标语义信息在下采样过程中的损失，提升对小目标物体的检测性能；多头变形注意力公式为
其中，v
d
为输入的原始特征，为当前参考点的归一化坐标，z为特征图编号，m
w
为多头注意力，h为注意力编号，n为自然数表示注意力编号的最大值，c为特征金字塔的维度编号，j为当前采样点编号，m
′
w
z为像素点注意力权重，δw
hcdj
为注意力偏移量，a
hcdj
为注意力权重系数。3.根据权利要求2所述的方法，其特征在于，所述将已经加入可变形注意力编码器的检测模型内resnet-50骨干网络替换为融合了通道空间注意力模块的改进efficientnet骨干网络，对已经采集到的目标进行重要特征提取，包括：resnet-50系列网络采用增加网络模块层数的方式提升网络性能，虽然获得了较好的特征提取能力，但其本身参数量较大且堆叠层数较深，难以对信息量较少的被遮挡目标特征进行有效提取并为后续编码网络提供高效的多尺度特征图；将resnet-50骨干网络替换efficientnet骨干网络，efficientnet骨干网络的核心模块为mbconv模块，此模块由深度可分离卷积连接压缩与激励模块并最终通过swish激活函数构成，其中，在mbconv模块的作用下，efficientnet骨干网络在特征提取阶段实现了对重要通道特征的高效提纯；将通道空间注意力模块替换mbconv模块中的压缩与激励模块，可以依次计算通道与空间两个维度的注意力图，并将注意力图与特征图相乘以进行自适应特征优化，对空间信息进行提纯进而提升算法对遮挡目标的检测性能；将efficientnet骨干网络前4个层级模块替换为融合通道空间注意力模块不包含深度可分离卷积的fused-cbamconv模块，最后3个层级模块替换为融合通道空间注意力模块且包含深度可分离卷积的cbamconv模块；对输入的原特征图通过改进efficientnet骨干网络进行重要特征提取，给可变形注意力编码器提供的多尺度特征图。4.根据权利要求3所述的方法，其特征在于，所述对已经替换为改进efficientnet骨干网络的检查模型的训练模块的损失函数建立为smooth-l1与giou结合的函数作为回归损失，对检测边框进行预测回归，进而定位行人位置，包括：通过giou函数计算预测框与真实框之间的重叠情况，giou定义为：其中，d为预测框面积，e为真实框面积，r为能同时包住a与b的最小方框面积；通过smooth-l1损失函数在计算损失时，使用了预测框与真实框的横纵坐标值及长宽数值，其中，smooth-l1损失函数为：
其中，d
θ(j)
为第i个索引的真实框，为第i个索引的预测框；将giou函数和smooth-l1损失函数融合作为该模型的回归损失，将提高对检测边框进行预测回归的准确度，精确定位行人位置。5.一种行人检测系统，其特征在于，所述系统包括：基础单元，基于注意力模型detr，对因拥挤行人场景中遮挡导致目标缺失部分特征进行目标检测；检测精度单元，在注意力模型detr基础上加入可变形注意力编码器，使得此时模型可以利用含有小目标信息的多尺度特征图对小目标行人的检测；特征提取单元，将已经加入可变形注意力编码器的检测模型内resnet-50骨干网络替换为融合了通道空间注意力模块的改进efficientnet骨干网络，对已经采集到的目标进行重要特征提取；训练单元，对已经替换为改进efficientnet骨干网络的检查模型的训练模块的损失函数建立为smooth-l1与giou结合的函数作为回归损失，对检测边框进行预测回归，进而定位行人位置。6.根据权利要求5所述的系统，其特征在于，所述检测精度单元，在注意力模型detr基础上加入可变形注意力编码器，使得此时模型可以利用含有小目标信息的多尺度特征图对小目标行人的检测，包括：detr采用注意力检测模块进行检测结果输出，注意力检测模块难以有效利用含有较多小目标信息的多尺度特征图，对detr注意力检测模块进行改进；可变形注意力编码器与注意力编码器一样拥有特征编码能力，与解码器结合使网络保留了全局建模能力；将注意力编码器替换为可变形注意力编码器，与解码器结合使网络保留了全局建模能力，加注可学习的位置编码特征图输入注意力编码器后，编码器计算采样点与其附近部分像素点之间的注意力权重；将注意力解码器替换为可变形注意力解码器，使模型在不使用特征金字塔结构的情况下也能有效的利用骨干网络提取的尺度特征图；neck层输出的多尺度特征图按位置添加学习的位置编码后送入可变形注意力编码器进行注意力权值更新；送入的多尺度特征图通过三个全连接层分别转化为像素点注意力权重，注意力偏移量，及注意力权重系数；注意力偏移量为当前参考点与其附近像素点进行偏移量计算后得出的与当前参考点相关联的像素点的位置偏移量；注意力权重系数为与当前参考点相关联的像素点所拥有注意力权重值；可变形注意力编码器关注到一个参考素点后，通过注意力偏移量计算与当前参考点关
联的所有像素点，并将这些像素点结合其对应的注意力权重与注意力权重系数更新当前参考点的注意力权值，进而完成对所有像素点的全局注意力权重编码；完成全局注意力权重编码的特征图被送入解码器后直接输出检测结果，进而减少小目标语义信息在下采样过程中的损失，提升对小目标物体的检测性能；多头变形注意力公式为其中，v
d
为输入的原始特征，为当前参考点的归一化坐标，z为特征图编号，m
w
为多头注意力，h为注意力编号，n为自然数表示注意力编号的最大值，c为特征金字塔的维度编号，j为当前采样点编号，m
′
w
z为像素点注意力权重，δw
hcdj
为注意力偏移量，a
hcdj
为注意力权重系数。7.根据权利要求6所述的系统，其特征在于，所述特征提取单元，将已经加入可变形注意力编码器的检测模型内resnet-50骨干网络替换为融合了通道空间注意力模块的改进efficientnet骨干网络，对已经采集到的目标进行重要特征提取，包括：resnet-50系列网络采用增加网络模块层数的方式提升网络性能，虽然获得了较好的特征提取能力，但其本身参数量较大且堆叠层数较深，难以对信息量较少的被遮挡目标特征进行有效提取并为后续编码网络提供高效的多尺度特征图；将resnet-50骨干网络替换efficientnet骨干网络，efficientnet骨干网络的核心模块为mbconv模块，此模块由深度可分离卷积连接压缩与激励模块并最终通过swish激活函数构成，其中，在mbconv模块的作用下，efficientnet骨干网络在特征提取阶段实现了对重要通道特征的高效提纯；将通道空间注意力模块替换mbconv模块中的压缩与激励模块，可以依次计算通道与空间两个维度的注意力图，并将注意力图与特征图相乘以进行自适应特征优化，对空间信息进行提纯进而提升算法对遮挡目标的检测性能；将efficientnet骨干网络前4个层级模块替换为融合通道空间注意力模块不包含深度可分离卷积的fused-cbamconv模块，最后3个层级模块替换为融合通道空间注意力模块且包含深度可分离卷积的cbamconv模块；对输入的原特征图通过改进efficientnet骨干网络进行重要特征提取，给可变形注意力编码器提供的多尺度特征图。8.根据权利要求7所述的系统，其特征在于，所述训练单元，对已经替换为改进efficientnet骨干网络的检查模型的训练模块的损失函数建立为smooth-l1与giou结合的函数作为回归损失，对检测边框进行预测回归，进而定位行人位置，包括：通过giou函数计算预测框与真实框之间的重叠损失，giou定义为：
其中，d为预测框面积，e为真实框面积，r为能同时包住a与b的最小方框面积；通过smooth-l1损失函数在计算损失时，使用了预测框与真实框的横纵坐标值及长宽数值，其中，smooth-l1损失函数为：其中，d
θ(j)
为第i个索引的真实框，为第i个索引的预测框；将giou函数和smooth-l1损失函数融合作为该模型的回归损失，将提高对检测边框进行预测回归的准确度，精确定位行人位置。9.电子设备，其特征在于，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-4中任一所述的方法。10.一种计算机可读介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-4中任一所述的方法。

技术总结
本发明实施例公开了行人检测方法、系统、电子设备以及可读介质，基于注意力模型DETR，对缺失部分特征进行目标检测，然后加入可变形注意力编码器，利用多尺度特征图对小目标行人检测，将检测模型内ResNet-50骨干网络替换为融合了通道空间注意力模块的改进EfficientNet骨干网络，对目标进行重要特征提取，模型的训练模块的损失函数为Smooth-L1与GIOU结合的函数，对检测边框进行预测回归。解决了因缺失部分特征信息，影响模型的特征提取高效的问题；遮挡现象在减少目标特征的同时，会在行人的表征特征中引入噪声干扰，使模型难以对重要特征进行有效提纯；行人目标个数较多，单个目标的分辨率较低特征信息较少，易使模型产生漏检的问题。模型产生漏检的问题。模型产生漏检的问题。


技术研发人员：张宇豪
受保护的技术使用者：张宇豪
技术研发日：2023.03.07
技术公布日：2023/7/20