(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 202210611526.8 (22)申请日 2022.06.01 (71)申请人 瞳见科技有限公司 地址 250101 山东省济南市高新区经十路 7000号汉峪金融商务中心五区5号楼 12层1201号 (72)发明人 崔海东　冯政　于海涛　陈翔　 (74)专利代理 机构 济南舜源专利事务所有限公 司 37205 专利代理师 徐胭脂 (51)Int.Cl. G06V 10/80(2022.01) G06V 10/82(2022.01) G06V 20/52(2022.01) G06V 10/44(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于Tran sformer的行人遮挡识别优化 方法及系统 (57)摘要 本申请公开了一种基于Tran sformer的行人 遮挡识别优化方法及系统， 主要涉及行人遮挡识 别技术领域， 用以解决现有的行人遮挡识别方法 在实际操作过程中存在较大误差， 进而影响检测 精度的技术问题。 方法包括： 获取目标图像， 以对 目标图像中的遮挡样本进行样 本增强处理， 进而 获得预处理图像； 提取预处理图像对应的全局特 征和局部特征； 通过Transformer网络算法对全 局特征和局部特征进行特征融合， 以输出融合特 征； 基于融合特征 以及预设损失函数， 生成检测 行人的预测边界框。 本申请通过上述方法实现了 将全局特征和局部特征进行对齐融合， 可以很好 地补齐遮挡导致的特征缺失， 从而解决遮挡导致 的特征缺失影响精度的问题。 权利要求书2页 说明书4页 附图1页 CN 115035373 A 2022.09.09 CN 115035373 A 1.一种基于Transformer的行 人遮挡识别优化方法， 其特 征在于， 所述方法包括： 获取目标图像， 以对目标图像中的遮挡样本进行样本增强处 理， 进而获得预处理图像； 提取所述预处 理图像对应的全局特 征和局部特征； 通过Transformer网络算法对 全局特征和局部特征进行特征融合， 以输出融合特 征； 基于所述融合特征， 生成检测行人的计算预测框； 获取目标图像对应的实际行人框； 计 算所述计算预测框与所述实际行人框之间的交集面积、 并集面积以及最小外接矩形面积； 通过预设公 式： H=1‑交集面积 /并集面积+ （最小外接矩形面积 ‑并集面积） /最小外接矩形面 积， 生成预设损失函数； 基于所述融合特 征以及预设损失函数， 生成检测行 人的预测边界框 。 2.根据权利要求1所述的基于Transformer的行人遮挡识别优化方法， 其特征在于， 对 目标图像中的遮挡样本进行样本增强处 理， 进而获得预处理图像， 具体包括： 将目标图像的尺寸 转换为第一尺寸； 获取所述目标图像对应的预设遮挡物； 通过Gradient  Boosting算法以及所述预设遮挡物， 对目标图像中的遮挡样本进行梯 度增强。 3.根据权利要求1所述的基于Transformer的行人遮挡识别优化方法， 其特征在于， 提 取所述预处 理图像对应的全局特 征和局部特征， 具体包括： 将预处理图像的尺寸 转换为第二尺寸； 通过CNN基础网络， 提取 预处理图像对应的尺度为13 *13的全局特 征； 通过Attention基础网络， 提取 预处理图像对应的局部特 征。 4.根据权利要求1所述的基于Transformer的行人遮挡识别优化方法， 其特征在于， 基 于所述融合特 征以及预设损失函数， 生成检测行 人的预测边界框， 具体包括： 基于所述融合特 征， 生成第一 边界框； 将所述第一边界框以及所述预设损失函数带入反向传播算法， 生成检测行人的预测边 界框。 5.一种基于Transformer的行 人遮挡识别优化系统， 其特 征在于， 所述系统包括： 获得模块， 用于获取目标图像， 以对目标图像 中的遮挡样本进行样本增强处理， 进而获 得预处理图像； 提取模块， 用于提取 所述预处 理图像对应的全局特 征和局部特征； 输出模块， 用于通过Transformer网络算法对全局特征和局部特征进行特征融合， 以输 出融合特 征； 损失值计算模块， 用于基于所述融合特征， 生成检测行人的计算预测框； 获取目标图像 对应的实际行人框； 计算所述计算预测框与所述实际行人框之间的交集面积、 并集面积以 及最小外接矩形面积； 通过预设公式： H=1 ‑交集面积/并集面积+ （最小外接矩形面积 ‑并集 面积） /最小外 接矩形面积， 生成预设损失函数； 生成模块， 用于基于所述融合特 征以及预设损失函数， 生成检测行 人的预测边界框 。 6.根据权利要求5所述的基于Transformer的行人遮挡识别优化系统， 其特征在于， 所 述获得模块还 包括增强单 元； 所述增强单元， 用于将目标图像的尺寸转换为第一尺寸； 获取所述目标图像对应的预权　利　要　求　书 1/2 页 2 CN 115035373 A 2设遮挡物； 通过Gradient  Boosting算法以及所述预设遮挡物， 对目标图像中的遮挡样 本进 行梯度增强。权　利　要　求　书 2/2 页 3 CN 115035373 A 3