(19)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 202210375798.2 (22)申请日 2022.04.11 (71)申请人 浙江工业大 学 地址 310014 浙江省杭州市下城区潮王路 18号 (72)发明人 邵奇可　吕政凯　颜世航　 (74)专利代理 机构 杭州求是专利事务所有限公 司 33200 专利代理师 忻明年 (51)Int.Cl. G06V 20/52(2022.01) G06V 40/16(2022.01) G06V 10/774(2022.01) G06K 9/62(2022.01) G06T 3/40(2006.01) (54)发明名称 一种基于超分辨率的高速公路行人检测方 法 (57)摘要 本发明公开了一种基于超分辨率的高速公 路行人检测方法， 对数据集进行双三次下采样操 作， 获得对应的高分辨率图像， 并从数据集提取 模糊核和噪声， 构造低分辨率图像。 采用得到的 高分辨率图像和低分辨率图像训练超分辨率生 成对抗网络， 得到超分辨率生成器。 将待识别的 低分辨率图像输入到训练好的超分辨率生成器 中， 然后采用特征点检测 网络提取特征点， 并计 算总权重， 如果计算得到的总权重大于设定的权 重阈值， 则判断为行人。 本发明使用超分辨率算 法来为小尺 寸的行人补充细 节信息， 并利用人体 特征点信息进一步筛选， 提升了检测精度， 减少 了误报率， 还能适应不同的应用场景。 权利要求书2页 说明书6页 附图2页 CN 114694100 A 2022.07.01 CN 114694100 A 1.一种基于超分辨率的高速公路行人检测方法， 其特征在于， 所述基于超分辨率的高 速公路行 人检测方法， 包括： 获取训练数据集T， 对数据集T中每个行人图像进行双三次下采样操作， 获得对应的高 分辨率图像； 采用KernelGAN网络从数据集T中提取模糊核， 生成模糊核集 合； 从数据集T图像中按照预设的步长截取得到裁剪图像， 将裁剪图像转换为灰度图， 如果 转换后的灰度图方差小于方差阈值， 则将其 放入噪声集 合； 从模糊核集合中随机抽取用于退化操作的模糊核， 采用抽取的模糊核对高分辨率图像 进行模糊操作， 并进 行下采样， 在下采样后注入从噪声集合中随机选取的噪声， 得到对应的 低分辨率图像； 采用所述高分辨率图像和低分辨率图像作为训练样本训练超分辨率生成对抗网络， 得 到超分辨 率生成器； 将待识别的低分辨率图像输入到训练好的超分辨率生成器中， 然后采用特征点检测网 络提取特征点， 并计算总权重， 如果计算得到的总权重大于设定的权重阈值， 则判断为行 人。 2.根据权利要求1所述的基于超分辨率的高速公路行人检测方法， 其特征在于， 所述超 分辨率生成对抗网络的损失函数如下： Ltotal＝ μpixelLpixel+ μperLper+ μadvLadv+ μkpLkp Lpixel＝Ex||Xf‑HR||1 Ladv＝‑Ex[log(1‑D(HR,xf))‑Ex[log(D(xf,HR))]] Lkp＝|Ho(HR) ‑Ho(Xf)| 其中， Ltotal为总损失函数， D表示判别 器， G表示生成器， Ex代表求均值， Xf表示生成器生 成的图像， 表示经过ResNet50特征提取的特征图， W和H分别为特征图的宽和高， Ho代表 hourglass特征点提取网络， μpixel、 μper、 μadv和 μkp为相应损失的权重， Lpixel表示像素损失， Lper表示感知损失， Ladv表示对抗损失， Lkp表示特征点损失。 3.根据权利要求1所述的基于超分辨率的高速公路行人检测方法， 其特征在于， 所述采 用特征点检测网络提取 特征点， 并计算总权 重， 包括： 采用特征点检测网络提取特征点之后， 将提取的特征点分为两类， 分别为头部特征点 和身体部位特征点， 然后统计头部特征点和身体部位特征点的数量， 并为头部特征点和身 体部位特征点分配对应的权重， 分别计算头部特征点和身体部位特征点的数量与其对应权 重的积， 然后求和得到总权 重。 4.根据权利要求1所述的基于超分辨率的高速公路行人检测方法， 其特征在于， 所述从 噪声集合中随机 选取的噪声， 还 包括： 将随机选取的噪声随机 裁剪为与低分辨 率图像相同大小。 5.根据权利要求3所述的基于超分辨率的高速公路行人检测方法， 其特征在于， 所述头权　利　要　求　书 1/2 页 2 CN 114694100 A 2部特征点包括左眼、 右眼、 鼻子、 左耳和右耳。 6.根据权利要求3所述的基于超分辨率的高速公路行人检测方法， 其特征在于， 所述身 体部位特征点包括左肩、 右肩、 左肘、 右肘、 左手腕、 右手腕、 左臀部、 右臀部、 左膝盖、 右膝 盖、 左脚踝和右脚踝。权　利　要　求　书 2/2 页 3 CN 114694100 A 3