一种基于区域全卷积神经网络的人体目标检测方法

摘要

本发明公开了一种基于区域全卷积神经网络的人体目标检测方法，标定人体目标上半身即人体头肩模型位置为标定框，这样减少了人体目标被遮挡的概率，减小了漏检率；同时，设定不同的五个图像尺度进行转换，以及选用{0.8,1.2}两个不同比例的宽高比和{48,96,144,192,240}五个不同比例尺度作为生成anchors的规则，进一步减小了漏检率。此外，本发明还通过计算一幅人体目标图像各区域候选框损失值，并选取损失值最大前B区域候选框作为难例样本，其损失值反馈到区域全卷积神经网络模型中，使用随机梯度下降法更新区域全卷积神经网络模型的参数，以提高复杂场景下的人体目标检测的准确率，减少漏检率和误检率。