【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及目標(biāo)檢測(cè)領(lǐng)域，尤其涉及一種基于id-yolov8的老、幼、孕、殘檢測(cè)方法。
技術(shù)介紹
1、隨著計(jì)算機(jī)視覺和深度學(xué)習(xí)技術(shù)的迅猛發(fā)展，人體檢測(cè)技術(shù)在當(dāng)今社會(huì)中扮演著越來越重要的角色。這項(xiàng)技術(shù)的核心原理是通過分析圖像或視頻數(shù)據(jù)，精確地識(shí)別和定位人體的位置、姿態(tài)和動(dòng)作等關(guān)鍵特征。人體檢測(cè)不僅在智能安防、智能交通管理、醫(yī)療影像分析等領(lǐng)域展現(xiàn)了強(qiáng)大的應(yīng)用潛力，也為生活中的各種場(chǎng)景帶來了便利和安全保障。
2、然而，一般的人體檢測(cè)技術(shù)主要針對(duì)一般成年健康人群設(shè)計(jì)，而老年人、孕婦、小孩和殘疾人群體因其身體特征和行為模式的獨(dú)特性，對(duì)人體檢測(cè)技術(shù)提出了特殊的需求和挑戰(zhàn)。老年人通常因年齡導(dǎo)致的運(yùn)動(dòng)遲緩和反應(yīng)變慢，對(duì)于日常生活中的安全依賴性更高；孕婦在懷孕期間可能面臨身體平衡和疲勞等問題；小孩由于年齡小、認(rèn)知能力尚未完全發(fā)展，容易在陌生環(huán)境中迷失或受傷；殘疾人群體則因輪椅使用、視力或聽力障礙等特定挑戰(zhàn)，生活中的安全風(fēng)險(xiǎn)較高。
3、因此，通過專門的數(shù)據(jù)集和算法，可以精確識(shí)別和理解這些群體的動(dòng)作、行為和位置，提升對(duì)其安全和生活質(zhì)量的保障。如在公交車上，如果能夠準(zhǔn)確識(shí)別老年人、兒童、孕婦和殘疾人士的存在，系統(tǒng)可以及時(shí)提醒司機(jī)注意這些乘客，從而提升整體的行車安全和服務(wù)質(zhì)量。
4、本專利技術(shù)旨在提出一種基于id-yolov8的老、幼、孕、殘檢測(cè)方法。該方法通過改進(jìn)yolov8模型，添加一個(gè)專門的“老、幼、孕、殘檢測(cè)頭”，用于識(shí)別和分類老年人、兒童、孕婦和殘疾人士，并結(jié)合卷積和注意力融合模塊，有效提高了目標(biāo)檢測(cè)分類的
技術(shù)實(shí)現(xiàn)思路
1、本專利技術(shù)的目的是提出一種基于id-yolov8的老、幼、孕、殘檢測(cè)方法，旨在解決現(xiàn)有人體檢測(cè)技術(shù)無法有效識(shí)別和分類老年人、兒童、孕婦和殘疾人士的難題。
2、本專利技術(shù)的技術(shù)方案是設(shè)計(jì)并訓(xùn)練所提出的模型，利用該模型在老、幼、孕、殘數(shù)據(jù)集上進(jìn)行測(cè)試。
3、基于id-yolov8的老、幼、孕、殘檢測(cè)框架如圖1所示。該框架由id-yolov8的主干網(wǎng)絡(luò)、頸部網(wǎng)絡(luò)和預(yù)測(cè)頭部組成。
4、（1）主干網(wǎng)絡(luò)
5、主干網(wǎng)絡(luò)采用了cspdarknet結(jié)構(gòu)，該結(jié)構(gòu)主要從輸入圖像中提取多尺度特征圖，如80×80、40×40和20×20，并輸出豐富的特征表示，以供后續(xù)網(wǎng)絡(luò)層使用。
6、為了進(jìn)一步增強(qiáng)特征提取的能力，我們?cè)赾spdarknet的基礎(chǔ)上引入了卷積和注意力融合模塊。卷積與注意力融合模塊通過捕捉長(zhǎng)距離依賴關(guān)系和局部光譜相關(guān)性，從而提升全局和局部特征的建模能力。將這些模塊嵌入主干網(wǎng)絡(luò)中后，模型能夠更有效地結(jié)合全局上下文信息與局部細(xì)節(jié)特征，使得特征表達(dá)更加準(zhǔn)確，并具備更高的魯棒性。
7、（2）頸部網(wǎng)絡(luò)
8、頸部網(wǎng)絡(luò)采用了pafpn結(jié)構(gòu)。pafpn是一個(gè)雙向通路網(wǎng)絡(luò)，除了自頂向下的路徑，還引入了自下向上的路徑，從而增強(qiáng)了特征圖的多尺度信息融合能力。在pafpn中，主干網(wǎng)絡(luò)輸出的多尺度特征圖（經(jīng)過不同程度的下采樣）首先通過自頂向下路徑進(jìn)行上采樣和融合。然后，這些融合后的特征圖在自下向上的路徑中，通過下采樣逐層傳遞，使得底層的空間信息能夠有效傳遞到高層特征圖中。這種設(shè)計(jì)使得模型能夠在更大范圍內(nèi)捕捉到目標(biāo)物體的細(xì)節(jié)，并提高檢測(cè)的準(zhǔn)確性。
9、最終，pafpn的多個(gè)輸出特征圖被傳遞到預(yù)測(cè)頭中，進(jìn)行目標(biāo)檢測(cè)的loss計(jì)算和結(jié)果解算。pafpn結(jié)構(gòu)的雙向信息傳遞機(jī)制確保了模型在多尺度目標(biāo)檢測(cè)中的精度和魯棒性。
10、（3）預(yù)測(cè)頭和損失函數(shù)
11、在預(yù)測(cè)頭部中，采用了解耦合頭設(shè)計(jì)，每個(gè)輸出分支分為分類和回歸兩個(gè)子分支，分別負(fù)責(zé)目標(biāo)的分類和邊界框的預(yù)測(cè)，每個(gè)分支由多層卷積模塊組成，包含卷積層、批量歸一化層和激活函數(shù)，最后會(huì)通過一個(gè)1x1的卷積層來降低通道數(shù)，生成最終的輸出，包括類別預(yù)測(cè)、邊界框回歸以及目標(biāo)置信度；此外，增加了一個(gè)專門的“老、幼、孕、殘檢測(cè)頭”，結(jié)構(gòu)如圖2所示，在輸出分支中添加一個(gè)身份識(shí)別子分支，用于識(shí)別和分類老年人、兒童、孕婦和殘疾人士。最后總的損失函數(shù)為:
12、λ(1)
13、其中、、、分別表示分類、身份預(yù)測(cè)和回歸（和）的損失，λ表示老、幼、孕、殘預(yù)測(cè)損失的權(quán)重系數(shù)設(shè)置為0.5。
14、由公式(2)定義:
15、?(2)
16、其中，是分類的標(biāo)注值，為對(duì)應(yīng)的預(yù)測(cè)值，為正錨的個(gè)數(shù);
17、由公式(3)定義:
18、?(3)
19、其中，是身份識(shí)別的標(biāo)注值，為對(duì)應(yīng)的預(yù)測(cè)值，為正錨的個(gè)數(shù)；
20、由公式(4)定義：
21、??(4)
22、在這個(gè)公式中，iou是交并比，b和表示兩個(gè)矩形框的中心點(diǎn)，p表示兩個(gè)矩形框之間的歐式距離，c表示兩個(gè)矩形框閉合區(qū)域的對(duì)角線距離，v用于測(cè)量?jī)蓚€(gè)矩形框相對(duì)比例的一致性，α是權(quán)重系數(shù)；
23、由公式(5)定義：
24、?(5)
25、其中，y表示真實(shí)標(biāo)簽的位置，和是靠近標(biāo)簽y的兩個(gè)點(diǎn)，?，。
本文檔來自技高網(wǎng)...【技術(shù)保護(hù)點(diǎn)】
1.一種基于ID-YOLOv8的老、幼、孕、殘檢測(cè)方法，其特征在于：
【技術(shù)特征摘要】
1.一種基于id-yolov8的老...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：黃鈴，陸秋，李水旺，郭曉雨，張浩，
申請(qǐng)(專利權(quán))人：桂林理工大學(xué)，
類型：發(fā)明
國(guó)別省市：
還沒有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。