朱書霖，吳新春，成鑫才

西南交通大學(xué) 信息科學(xué)與技術(shù)學(xué)院，四川成都，611756

0 引言

在當(dāng)前時(shí)代，信息的獲得、加工、處理技術(shù)以及應(yīng)用都有了飛躍發(fā)展。人們認(rèn)識(shí)世界的重要知識(shí)來(lái)源就是圖像信息。隨著計(jì)算機(jī)視覺(jué)技術(shù)在不斷發(fā)展與進(jìn)步。計(jì)算機(jī)在一些領(lǐng)域上已經(jīng)可以通過(guò)獲取的各種圖像信息理解并且進(jìn)行分析。同時(shí)目標(biāo)檢測(cè)如今已經(jīng)成了計(jì)算機(jī)視覺(jué)的主要研究領(lǐng)域之一[1]。目標(biāo)檢測(cè)是指能夠精確定位一些圖像或者場(chǎng)景中的目標(biāo)的技術(shù)[2]。

對(duì)于我國(guó)來(lái)說(shuō)，隨著經(jīng)濟(jì)的發(fā)展，城市化進(jìn)程的加大，治安水平也在不斷提高，但針對(duì)一些特定的場(chǎng)合，由于其經(jīng)濟(jì)水平和科技水平較低，其治安情況仍相對(duì)于其他地方較低。因此對(duì)于這些地方來(lái)說(shuō)仍然可能存在有危害社會(huì)安全的行為發(fā)生的可能。對(duì)于這些地區(qū)來(lái)說(shuō)，人員組成復(fù)雜，現(xiàn)代科技普及較少。同時(shí)雖然現(xiàn)在天網(wǎng)系統(tǒng)較為普及，但是監(jiān)控?cái)z像頭一般只能在案發(fā)后進(jìn)行刑事追責(zé)，而很難起到實(shí)時(shí)報(bào)警的作用。

基于卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測(cè)算法是如今最流行的目標(biāo)檢測(cè)方法，主要包括目標(biāo)檢測(cè)器(single shot multiBox detector，SSD)[3]，You Only Look Once（YOLO）[4-7], Regions with CNN features(RCNN)[8-10]。其中YOLO和SSD屬于單階段目標(biāo)檢測(cè)算法，而RCNN屬于雙階段目標(biāo)檢測(cè)算法。單階段的目標(biāo)檢測(cè)算法采用了回歸分析的思想，省略了候選區(qū)域生成階段，直接得到目標(biāo)分類和位置信息。雙階段檢測(cè)算法將檢測(cè)問(wèn)題劃分為兩個(gè)階段，首先產(chǎn)生候選區(qū)域，然后對(duì)候選區(qū)域分類。其中雙階段算法識(shí)別準(zhǔn)確率高，但是計(jì)算復(fù)雜度過(guò)于龐大。對(duì)于單階段目標(biāo)檢測(cè)算法來(lái)說(shuō)，YOLO V1 、YOLO V2物體識(shí)別準(zhǔn)確率相對(duì)SSD較低，同時(shí)YOLO V3、YOLO V4計(jì)算量相對(duì)較大[11]，本文在SSD的基礎(chǔ)上進(jìn)行輕量化網(wǎng)絡(luò)設(shè)計(jì)，從而大幅度減少目標(biāo)檢測(cè)模型的計(jì)算量，同時(shí)保證整個(gè)模型的精度。

1 改進(jìn)SSD模型

1.1 SSD網(wǎng)絡(luò)結(jié)構(gòu)

SSD的主體網(wǎng)絡(luò)結(jié)構(gòu)采用的是VGG16網(wǎng)絡(luò)結(jié)構(gòu)（VGG16是由Oxford的Visual Geometry Group提出的，整個(gè)網(wǎng)絡(luò)結(jié)構(gòu)是由13層卷積層加3層全連接層），但是對(duì)VGG16網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行了更改，舍棄了VGG16的三個(gè)全連接層，采用了兩個(gè)卷積層代替。此外SSD在VGG網(wǎng)絡(luò)的最后端，新增了4個(gè)卷積塊。

如圖1所示，SSD采用特征金字塔中各個(gè)層所提取的特征來(lái)對(duì)不同尺度的目標(biāo)進(jìn)行檢測(cè)。通過(guò)對(duì)Conv4_3、Conv7_2、Conv8_2、Conv9_2、Conv10_2、Conv11_2各個(gè)卷積層所提取的特征點(diǎn)進(jìn)行預(yù)測(cè)，從而得出目標(biāo)物體的先驗(yàn)框。再通過(guò)非極大值抑制（Non-Maximum Suppression，非極大抑制值是對(duì)相鄰先驗(yàn)框提取出目標(biāo)識(shí)別概率最大的一個(gè)先驗(yàn)框，并且抑制概率較小的先驗(yàn)框）。得到了最后的檢測(cè)結(jié)果。

圖1 SSD網(wǎng)絡(luò)結(jié)構(gòu)圖

1.2 模型概述

改進(jìn)SSD模型借鑒了SSD與Mobilenet V1-SSD的思想，在原有SSD模型基礎(chǔ)上使用了Mobilenet V1的思想，對(duì)整個(gè)網(wǎng)絡(luò)進(jìn)行了輕量化的設(shè)計(jì)。并且通過(guò)對(duì)不同的特征層進(jìn)行預(yù)測(cè)，得到不同特征層分別的先驗(yàn)框，最后通過(guò)非極大值抑制法刪除掉冗余的先驗(yàn)框，得到精準(zhǔn)的檢測(cè)結(jié)果。

1.3 基本原理

1.3.1 多尺度預(yù)測(cè)

改進(jìn)SSD算法通過(guò)對(duì)特征金字塔中不同維度的特征圖進(jìn)行多尺度目標(biāo)檢測(cè)，從而完成對(duì)整張圖像的目標(biāo)檢測(cè)。改進(jìn)SSD算法采用的特征圖大小為{4、6、6、6、6、6}。同時(shí)其對(duì)應(yīng)的先驗(yàn)框數(shù)量分別為{4、6、6、6、6、4}。

1.3.2 非極大值抑制

通過(guò)多尺度預(yù)測(cè)，會(huì)產(chǎn)生大量的冗余的先驗(yàn)框。通過(guò)非極大值抑制使用交互比判斷冗余的候選框，對(duì)于兩個(gè)交互比大于模型所設(shè)的閾值時(shí)，對(duì)置信度較低的候選框進(jìn)行刪除，同時(shí)保留較高的候選框。

1.4 網(wǎng)絡(luò)結(jié)構(gòu)

改進(jìn)SSD模型基于VGG16模型進(jìn)行輕量化設(shè)計(jì)，詳細(xì)網(wǎng)絡(luò)結(jié)構(gòu)如圖2所示。

圖2 改進(jìn)SSD網(wǎng)絡(luò)結(jié)構(gòu)

2 數(shù)據(jù)集準(zhǔn)備

2.1 數(shù)據(jù)準(zhǔn)備

對(duì)于特殊服飾，現(xiàn)有數(shù)據(jù)集均未有各種服飾的數(shù)據(jù)，因此本文主要采用了以下三種方法完成數(shù)據(jù)集的構(gòu)建。一部分是采用網(wǎng)絡(luò)爬蟲，爬取互聯(lián)網(wǎng)上的圖片，再進(jìn)行篩選得到的圖片，另外一部分則是選擇在網(wǎng)上搜索紀(jì)錄片，通過(guò)將視頻導(dǎo)出為圖片再進(jìn)行篩選，最后一部分來(lái)自已有數(shù)據(jù)集的圖像增強(qiáng)。

（1）網(wǎng)絡(luò)爬蟲。如果將互聯(lián)網(wǎng)比喻成一張網(wǎng)，那么網(wǎng)絡(luò)爬蟲就是可以在網(wǎng)上爬來(lái)爬去得小蟲子，通過(guò)網(wǎng)頁(yè)的鏈接地址來(lái)尋找網(wǎng)頁(yè)，通常通過(guò)網(wǎng)站的某一個(gè)頁(yè)面開(kāi)始讀取網(wǎng)頁(yè)的內(nèi)容，最后在該網(wǎng)頁(yè)中找到其他鏈接地址，從而尋找下一個(gè)網(wǎng)頁(yè)，最后抓取完該網(wǎng)站所有網(wǎng)頁(yè)。

（2）紀(jì)錄片導(dǎo)出。通過(guò)網(wǎng)上搜索相應(yīng)的紀(jì)錄片，錄制其視頻，再通過(guò)Adobe Premiere Pro軟件將錄制好的視頻通過(guò)每1秒一幀導(dǎo)出成圖片，再通過(guò)手動(dòng)篩選出不符合需求的圖片。

（3）圖像增強(qiáng)。針對(duì)部分服飾種類實(shí)際數(shù)據(jù)的采集場(chǎng)景是有限的，因此采取一些數(shù)據(jù)增強(qiáng)的方法可以有效擴(kuò)展數(shù)據(jù)集數(shù)量，同時(shí)也可以防止目標(biāo)檢測(cè)模型學(xué)習(xí)過(guò)程中出現(xiàn)的過(guò)擬合現(xiàn)象?，F(xiàn)有的圖像增強(qiáng)方法大致可以分為空間變換、色彩失真等幾種方法。

最后通過(guò)以上三種方法構(gòu)了一種特殊服飾專用的數(shù)據(jù)集，該數(shù)據(jù)集共有醫(yī)生、警察、藏族、藏傳佛教、普通人五種類別。最后生成的數(shù)據(jù)集總共有圖片2271張，并在實(shí)驗(yàn)時(shí)候?qū)?shù)據(jù)集分為訓(xùn)練集2037張，測(cè)試集234張兩個(gè)部分。

3 實(shí)驗(yàn)與結(jié)果分析

3.1 實(shí)驗(yàn)環(huán)境

本文實(shí)驗(yàn)硬件環(huán)境為Nvidia Geforce GTX 2080Ti，軟件環(huán)境為CUDA 10.1.243，Cudnn 7.6.5，Windows 10，Tensorflow2.1。

3.3 結(jié)果與討論

對(duì)于模型的評(píng)估，采用了文獻(xiàn)[20]中描述的mAP（一種計(jì)算不同的類別的平均精確度的方法）方法評(píng)價(jià)了該方法的性能。其結(jié)果如圖3所示，各個(gè)服飾的PR曲線如圖4所示。

圖3 特殊服飾數(shù)據(jù)集mAP率

圖4 各個(gè)服飾的PR曲線

該模型對(duì)于未穿特殊服飾的普通人的檢測(cè)相比特殊服飾的人員檢測(cè)率有著較大的波動(dòng)，這是因?yàn)橄鄬?duì)于穿著特殊服飾的人員來(lái)說(shuō)，普通人的衣服未有比較普遍的圖像特征，同時(shí)數(shù)據(jù)集中缺乏各種各樣的普通人服飾。但是對(duì)于本系統(tǒng)的主要目的是檢測(cè)特殊服飾人員，因此該系統(tǒng)仍然能夠完成所需要完成的任務(wù)。模型的部分檢測(cè)結(jié)果如圖5所示。

圖5 各服飾檢測(cè)結(jié)果圖

根據(jù)圖5，使用本文所提出的算法能夠較為精確地識(shí)別出各種特殊服飾，從而完成檢測(cè)的需求。

4 結(jié)論

為了進(jìn)一步保障一些特殊地區(qū)的安全需求，本文提出了一種改進(jìn)SSD算法，并且基于該模型對(duì)識(shí)別幾種特殊服飾進(jìn)行了訓(xùn)練與檢測(cè)?？梢钥吹奖疚乃岢龅哪Ｐ湍軌蜉^好地完成所需完成的任務(wù)，同時(shí)由于其主體結(jié)構(gòu)全部采用深度可分離卷積，大量地減少了其計(jì)算量，從而能夠部署到各個(gè)終端系統(tǒng)中。