(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 202210642402.6 (22)申请日 2022.06.08 (71)申请人 中国兵器 工业计算机 应用技术研究 所 地址 100089 北京市海淀区车道沟10号 (72)发明人 赵小川　董忆雪　王子彻　樊迪　 徐凯　邵佳星　何云峰　 (74)专利代理 机构 北京天达知识产权代理事务 所(普通合伙) 11386 专利代理师 刘丰艺 (51)Int.Cl. G06V 10/764(2022.01) G06V 10/774(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01)G06V 10/762(2022.01) G06V 10/25(2022.01) G06V 40/10(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06N 3/12(2006.01) G06K 9/62(2022.01) (54)发明名称 一种基于动态神经网络的武装人员装备检 测方法和系统 (57)摘要 一种基于动态神经网络的武装人员装备检 测方法和系统， 方法包括以下步骤： 采用可变焦 的高分辨率相机采集不同距离下的武装人员图 像， 对各图像进行人员和装备标注， 形成装备检 测数据集； 构建动态神经网络模型， 所述动态神 经网络模型包括第一子网络和第二子网络， 所述 第一子网络用于检测图像中的人类； 当所述第一 子网络检测图像中包含人类时， 提取人类ROI传 输至第二子网络； 所述第二子网络用于根据图像 的不同分辨率采用不同网络深度处的分类器进 行装备检测； 基于所述装备检测数据集训练所述 动态神经网络模 型， 得到训练好的武装人员装备 检测模型； 将待检测图像输入所述武装人员装备 检测模型， 得到待检测图像的武装 人员装备检测 结果。 权利要求书2页 说明书8页 附图1页 CN 115019096 A 2022.09.06 CN 115019096 A 1.一种基于动态神经网络的武装人员装备检测方法， 其特 征在于， 包括以下步骤： 采用可变焦的高分辨率相机采集不同距离下的武装人员图像， 对各图像进行人员和装 备标注， 形成装备检测数据集； 构建动态神经网络模型， 所述动态神经网络模型包括第一子网络和第二子网络， 所述 第一子网络用于检测图像中的人类； 当所述第一子网络检测图像中包含人类时， 提取人类 ROI传输至第二子网络； 所述第二子网络用于根据图像的不同分辨率采用不同网络深度 处 的分类器进行装备检测； 基于所述装备检测数据集训练所述动态神经网络模型， 得到训练 好的武装人员装备检测模型； 将待检测图像输入所述武装人员装备检测模型， 得到待检测图像的武装人员装备检测 结果。 2.根据权利要求1所述的动态神经网络的武装人员装备检测方法， 其特征在于， 所述第 二子网络包括主干网络单元、 Neck网络单元和预测单元； 所述主干网络单元用于提取不同 尺度的特征图； 所述Neck网络用于对主干网络单元提取的不同尺度的特征图进 行上采样和 特征融合， 获得不同尺度的张量数据； 所述预测单元包括多个浅层分类器， 用于根据不同尺 度的张量数据进行目标检测； 所述Neck网络单元中包括多级CSP和CBL组合块， 在 所述不同级的CSP和CBL组合块后连 接浅层分类 器， 所述浅层分类 器用于根据当前尺度的张量数据进行目标检测。 3.根据权利要求2所述的动态神经网络的武装人员装备检测方法， 其特征在于， 所述浅 层分类器包括依次连接的卷积层、 concat层和sigmoid层； 所述卷积层用于提取图像特征， 所述concat层用于对 特征进行拼接， 所述sigmoid层用于进行分类； 不同层 级的浅层分类器 的卷积核大小和个数不同。 4.根据权利要求1所述的动态神经网络的武装人员装备检测方法， 其特征在于， 对各图 像进行人员和装备 标注， 形成装备检测数据集， 包括： 采用标注框对武装人员图像中的人员和装备进行 标注； 对标注后的图像采用标注框尺度 扭曲、 标注框镜像翻转、 图像随机缩放、 图像随机裁剪 和/或图像随机排布进 行数据集增强， 得到增强后的数据集， 将增强前的数据集与增强后的 数据集作为装备检测数据集。 5.根据权利要求4所述的动态神经网络的武装人员装备检测方法， 其特征在于， 所述第 二子网络的预测框损失函数为： 其中， dis_2表示预测框与标注框的中心点的欧氏距离， dis_C表示预测框与标注框的 最小外接矩形的对角线距离， IOU表示预测框和标注框的交并比。 6.根据权利要求1所述的动态神经网络的武装人员装备检测方法， 其特征在于， 在基于 所述武装 人员图像构建装备检测数据集之后， 构建动态神经网络模型之前， 还包括： 根据所 述数据集中的所有图像的标注框， 确定所述动态神经网络模型的初始锚框 。 7.根据权利要求6所述的动态神经网络的武装人员装备检测方法， 其特征在于， 根据 所 述数据集中的所有图像的标注框， 确定所述动态神经网络模型的初始锚框， 包括：权　利　要　求　书 1/2 页 2 CN 115019096 A 2将所述数据集中各图像等比例缩放至指定大小， 得到缩放后的标注框； 对缩放后的标注框进行聚类， 采用遗传算法对每类标注框进行变异， 基于预测正确率 选择最优标注框作为初始锚框 。 8.根据权利要求1所述的动态神经网络的武装人员装备检测方法， 其特征在于， 基于所 述装备检测数据集训练所述动态神经网络模型， 得到训练好的武装人员装备检测模型之 后， 还包括采用以下步骤 对所述武装人员装备检测模型进行剪枝： 对模型各通道进行稀疏化处 理计算稀疏化处 理后每个通道的尺度因子； 若尺度因子小于预设的阈值， 则将该通道剪除； 否则， 保留该通道； 对剪枝后的模型进行重新训练， 得到训练好的武装人员装备检测模型。 9.一种基于动态神经网络的武装人员装备检测系统， 其特 征在于， 包括以下模块： 数据集构建模块， 用于采用可变焦的高分辨率相机采集不同距离下的武装人员图像， 对各图像进行 人员和装备 标注， 形成装备检测数据集； 模型训练模块， 用于构建动态神经网络模型， 所述动态神经网络模型包括第一子网络 和第二子网络， 所述第一子网络用于检测图像中的人类； 当所述第一子网络检测图像中包 含人类时， 提取人类ROI传输至第二子网络； 所述第二子网络用于根据图像的不同分辨率采 用不同网络深度处的分类器进 行装备检测； 基于所述装备检测数据集训练所述动态神经网 络模型， 得到训练好的武装人员装备检测模型； 装备检测模块， 用于将待检测图像输入所述武装人员装备检测模型， 得到待检测图像 的武装人员装备检测结果。 10.根据权利要求1所述的动态神经网络的武装人员装备检测系统， 其特征在于， 所述 第二子网络包括主干网络单元、 Neck网络单元和预测单元； 所述主干网络单元用于提取不 同尺度的特征图； 所述Neck网络用于对主干网络单元提取的不同尺度的特征图进 行上采样 和特征融合， 获得不同尺度的张量数据； 所述预测单元包括多个浅层分类器， 用于根据不同 尺度的张量数据进行目标检测； 所述Neck网络单元中包括多级CSP和CBL组合块， 在 所述不同级的CSP和CBL组合块后连 接浅层分类 器， 所述浅层分类 器用于根据当前尺度的张量数据进行目标检测。权　利　要　求　书 2/2 页 3 CN 115019096 A 3