【CN110059544A】一种基于道路场景的行人检测方法和系统【专利】

合集下载

一种基于车辆前方的行人及骑车人的识别预警系统的工作方法[发明专利]

专利名称：一种基于车辆前方的行人及骑车人的识别预警系统的工作方法
专利类型：发明专利
发明人：刘军,高雪婷,王利明,晏晓娟
申请号：CN201610436624.7
申请日：20160616
公开号：CN106156725A
公开日：
20161123
专利内容由知识产权出版社提供
摘要：本发明公开了一种基于车辆前方的行人及骑车人的识别预警系统的工作方法，离线训练模块从实车拍摄的视频中选取人上半身的正负样本，采用Adaboost算法训练得到一个用于识别人上半身的级联分类器，并将级联分类器提供给在线检测模块，在线检测模块利用CCD摄像头采集图像，并用视频采集卡进行转换，对预处理之后的图像使用了改进的多尺度扫描方法获得子窗口；在线检测模块将识别出的目标框选出来，传给碰撞预警模块，碰撞预警模块利用单目视觉测距几何模型计算出目标与本车之间的横向距离X、纵向距离D、目标的纵向速度V和纵向碰撞时间TTC，最后综合利用这些信息及本车车速u，判断目标的危险程度，并及时提醒驾驶员，可有效地减少事故的发生并保护了行人和骑车人。

申请人：江苏大学
地址：212013 江苏省镇江市京口区学府路301号
国籍：CN
更多信息请下载全文后查看。

行人检测识别系统、方法、设备及计算机可读存储介质[发明专利]

专利名称：行人检测识别系统、方法、设备及计算机可读存储介质
专利类型：发明专利
发明人：丁贵广,王泽润,郭雨晨
申请号：CN202010088234.1
申请日：20200212
公开号：CN111274991A
公开日：
20200612
专利内容由知识产权出版社提供
摘要：本发明公开了一种行人检测识别系统、方法、设备及计算机可读存储介质，所述系统包括：视频采样模块，用于对监控摄像头输入的视频流进行抽帧处理，得到采样图片；滑窗分割模块，用于通过预定大小的滑动窗口以预定步长沿采样图片的宽/高进行分割，获取多个图片区域；分块检测模块，用于调用预先训练好的行人检测模型对每个图片区域进行行人检测，得到各个图片区域的行人检测结果；结果融合模块，用于将不同图片区域的行人检测结果进行融合，得到最终的行人检测识别结果。

本发明能够在监控摄像头阵列获取的图片下具有有良好的检测效果。

申请人：清华大学
地址：100084 北京市海淀区清华园1号
国籍：CN
代理机构：北京八月瓜知识产权代理有限公司
代理人：李斌
更多信息请下载全文后查看。

车辆及行人监测方法及装置[发明专利]

专利名称：车辆及行人监测方法及装置专利类型：发明专利
发明人：刘振及,江伟,祝本云,徐雄伟申请号：CN201510400007.7
申请日：20150709
公开号：CN104933424A
公开日：
20150923
专利内容由知识产权出版社提供
摘要：本发明公开了一种车辆及行人监测方法及装置，该方法包括：以时分多路的方式，通过摄像装置采集包括人脸和车辆的视频图像；基于采集的所述视频图像，以设定的检测规则，进行人脸检测和车辆检测，得到人脸检测及车辆检测结果。

本发明可以将人脸检测和车辆检测算法采用全嵌入式的方式在一台高清摄像机中实现，此外，还可以增加手机MAC地址抓拍，达到人、车、MAC地址同时抓拍，综合比对的目的。

申请人：深圳市为科科技有限公司
地址：518000 广东省深圳市南山区桃园路南侧常兴路西侧南景苑25I
国籍：CN
更多信息请下载全文后查看。

行人检测方法和装置[发明专利]

专利名称：行人检测方法和装置专利类型：发明专利
发明人：俞刚,彭雨翔
申请号：CN201610971349.9申请日：20161028
公开号：CN108009466A
公开日：
20180508
专利内容由知识产权出版社提供
摘要：本发明的实施例提供了一种行人检测方法和装置。

该行人检测方法包括：获取待处理图像；检测待处理图像中的行人，以获得行人检测初步结果，其中，行人检测初步结果包括一个或多个行人框，每个行人框用于指示待处理图像中可能存在行人的区域；对一个或多个行人框中的每一个所包含的行人进行骨架分析，以获得与一个或多个行人框中的每一个分别相关的骨架信息；以及根据与一个或多个行人框中的每一个分别相关的骨架信息对一个或多个行人框进行筛选，以获得与待处理图像中的至少部分行人一一对应的至少一个行人框。

上述方法和装置利用行人框所包含的行人的骨架信息对行人框进行筛选，可以过滤同一行人的多余行人框，同时可以保留不同行人的行人框。

申请人：北京旷视科技有限公司,北京迈格威科技有限公司
地址：100190 北京市海淀区科学院南路2号A座313
国籍：CN
代理机构：北京睿邦知识产权代理事务所(普通合伙)
更多信息请下载全文后查看。

一种道路积尘走航监测的发明专利

一种道路积尘走航监测的发明专利下载温馨提示:该文档是我店铺精心编制而成，希望大家下载以后，能够帮助大家解决实际的问题。

文档下载后可定制随意修改，请根据实际需要进行相应的调整和使用，谢谢!并且，本店铺为大家提供各种各样类型的实用资料，如教育随笔、日记赏析、句子摘抄、古诗大全、经典美文、话题作文、工作总结、词语解析、文案摘录、其他资料等等，如想了解不同资料格式和写法，敬请关注!Download tips: This document is carefully compiled by theeditor.I hope that after you download them,they can help yousolve practical problems. The document can be customized andmodified after downloading,please adjust and use it according toactual needs, thank you!In addition, our shop provides you with various types ofpractical materials,such as educational essays, diaryappreciation,sentence excerpts,ancient poems,classic articles,topic composition,work summary,word parsing,copy excerpts,other materials and so on,want to know different data formats andwriting methods,please pay attention!一种基于物联网技术的道路积尘走航监测系统及其方法一、摘要本发明涉及环境监测技术领域，特别是一种基于物联网技术的道路积尘走航监测系统及其方法。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 (43)申请公布日 (21)申请号 201910172834.3
(22)申请日 2019.03.07
(71)申请人华中科技大学
地址 430074 湖北省武汉市洪山区珞喻路
1037号
(72)发明人陶文兵　宫振飞　
(74)专利代理机构华中科技大学专利中心
42201
代理人曹葆青　李智
(51)Int.Cl.
G06K 9/00(2006.01)
G06K 9/32(2006.01)
G06N 3/04(2006.01)
G06N 3/08(2006.01)
(54)发明名称一种基于道路场景的行人检测方法和系统(57)摘要本发明公开了一种基于道路场景的行人检测方法和系统，属于计算机视觉领域，包括：对采集图像进行感兴趣区域提取得到输入对象，并在输入对象中对目标对象进行标记得到训练数据集；将训练数据集按照目标尺度大小分为多个部分；设计与输入图像宽高比一致的矩形卷积神经网络；设计预选框初步确定目标对象所在位置；采用分组的训练数据集和预选框对矩形卷积神经网络进行分步训练，使不同特征层对相应尺度的目标对象更为敏感；最后通过训练好的行人检测模型对输入图像进行检测，将重复检测和低于设定置信度阈值的目标框删除，得到行人检测结果。

本发明相对现有的行人检测算法对不同尺寸的目标具有更强的针对性，运行速度更快，检测
精度更高。

权利要求书2页说明书5页附图2页CN 110059544 A 2019.07.26
C N 110059544
A
权　利　要　求　书1/2页CN 110059544 A
1.一种基于道路场景的行人检测方法，其特征在于，包括以下步骤：
(1)采集道路场景图像并进行感兴趣区域提取，得到待检测图像；
(2)将所述待检测图像输入行人检测模型中进行检测，得到包括目标对象位置和置信度信息的初步检测结果；
(3)将重复检测和低于设定置信度阈值的检测结果删除，得到最终检测结果；
其中，所述行人检测模型是与所述待检测图像宽高比一致的矩形卷积神经网络；所述矩形卷积神经网络中不同尺度的特征层采用不同的训练集进行分步训练；所述不同尺度的特征层负责检测不同尺度的目标对象。

2.根据权利要求1所述的一种基于道路场景的行人检测方法，其特征在于，所述步骤(2)中所述行人检测模型的训练方法为：
(21)对采集的道路场景图像进行感兴趣区域提取，得到输入图像，并在所述输入图像中标记目标对象，得到训练数据集T；
(22)按照目标对象尺度大小，将所述训练数据集T分为从小到大的多个部分T1～T n；其中n表示按照尺度范围对目标对象的分组个数；
(23)构建与所述输入图像的宽高比一致的矩形卷积神经网络，对所述输入图像进行特征提取；
(24)在所述矩形卷积神经网络指定特征层L1～L n上设计预选框，初步得到目标对象所在位置；所述指定特征层L1～L n尺度大小与所述训练数据集T1～T n目标尺度对应一致；
(25)采用训练数据集T1～T n和预选框分步训练所述矩形卷积神经网络，得到行人检测模型。

3.根据权利要求2所述的一种基于道路场景的行人检测方法，其特征在于，所述步骤(24)中所述设计预选框，具体包括以下步骤：
在所述矩形卷积神经网络中，选取与所述训练数据集T1～T n目标尺度相对应的特征层L1～L n；
根据选取的特征层L1～L n所对应的图像位置确定预选框位置；
对目标对象进行聚类分析，根据目标对象的形状特性确定预选框的尺寸大小。

4.根据权利要求2所述的一种基于道路场景的行人检测方法，其特征在于，所述步骤(25)中所述分步训练所述矩形卷积神经网络具体包括：
利用目标对象尺度最小的训练集T1训练对应尺度的特征层L1，得到特征层L1及之前卷积层的权重参数；
使特征层L1及之前卷积层的权重参数保持不变，利用训练集T2训练对应尺度的特征层L2，得到特征层L2的权重参数；
使特征层L2权重参数保持不变，利用训练集T3训练对应尺度的特征层L3，得到特征层L3的权重参数；
按照上述方式分步完成对所有特征层的训练，得到行人检测模型。

5.根据权利要求4所述的一种基于道路场景的行人检测方法，其特征在于，所述特征层训练方法具体为：将特征层上的预选框与对应的标记对象进行比较，选取重叠率高于预设值的预选框，计算损失值，利用反向传播算法更新矩形卷积神经网络该层及之前层参数。

6.根据权利要求5所述的一种基于道路场景的行人检测方法，其特征在于，所述重叠率
2。