基于小波变换的跨尺度工地密集遮挡行人检测方法

本发明涉及工地施工现场的安全监测，具体涉及一种基于小波变换的跨尺度工地密集遮挡行人检测方法。

背景技术：

1、工地施工现场的安全管理是工程项目顺利进行的重要保障，其中，行人的运动性是导致危险事故多发的主要原因。然而，传统的人工监督方式存在成本高、效率低和易遗漏的问题。随着计算机视觉技术的发展，基于深度学习的视频目标检测技术被广泛应用于安全监控领域，以提高施工现场的安全监管能力。

2、目前，许多研究集中在基于深度学习的方法，如faster r-cnn、yolo、ssd等，这些方法可以快速检测出行人。然而，在密集目标检测场景中，存在相邻实例边界混叠，特征互扰与实例边缘细节模糊等问题。

3、现有的传统的变化检测方法虽然在某些场景中仍可应用，它们通常对于光照、影子、传感器差异等因素较为敏感，但在处理密集目标与复杂的城市环境数据时存在一定的局限性。现在基于深度学习技术的方法在某些方面都取得了成功，但由于卷积操作的局限性，它们往往获取到有限的上下文信息，缺少对全局信息的捕捉，使得浅层特征图缺乏深层特征的抽象，并且在检测目标边缘像素时仍存在一定难度。

4、尽管fpn、panet、bifpn等多尺度结构取得了显著成效，但其主要停留在空间域的建模与融合，缺乏对频带重要性与方向性的显式建模，难以在拥挤与模糊场景中针对性地强化高频细节、抑制低频干扰，这在处理边缘纹理模糊与细节弱化的图像时形成性能瓶颈，无法做到充分利用特征图中的频率成分。

5、中国专利“一种基于多任务学习的工地安全帽检测方法”（申请号：cn202110234567.8）提出了一种基于目标检测与语义分割结合的方法，通过多任务学习增强安全帽检测的鲁棒性，但在快速移动目标检测和遮挡处理方面仍存在不足。中国专利“一种基于深度学习的施工现场安全帽佩戴识别方法”（申请号：cn202010987654.3）采用改进的 yolo 网络进行安全帽检测，并结合区域裁剪与颜色特征分析提高检测准确率。然而，该方法仍然依赖单帧图像信息，对目标动态变化的处理能力有限。

6、现有的工地行人检测方法主要包含以下缺陷：

7、1）工地视频中行人尺度跨度极大：远处行人呈现小目标、近处行人呈现大目标，且随摄像机安装高度、视角变化而显著波动，导致行人识别能力减弱，识别误差率增大。

8、2）施工现场人员聚集作业频繁，行人与行人、行人与机械设备、行人与材料堆放之间的遮挡普遍存在，且遮挡比例高、遮挡形态复杂。。

9、3）工地背景包含脚手架、钢筋网、围挡纹理、警示标识、机械结构件等高频纹理与重复结构，易与行人轮廓边缘产生混淆；同时还存在粉尘、反光、运动模糊、低照度与逆光等成像退化。

10、因此，亟需一种能够针对密集场景能够提高密集行人检测准确率和鲁棒性的检测方法，以解决现有技术的不足。

技术实现思路

1、为解决上述技术问题，本发明提供一种基于小波变换的跨尺度工地密集遮挡行人检测方法，有效提升密集遮挡情况下相邻行人的区分能力，降低漏检与误检，并提高定位框的稳定性与一致性。

2、本发明采取的技术方案为：

3、基于小波变换的跨尺度工地密集遮挡行人检测方法，包括以下步骤：

4、s1：获取工地场景图像，通过特征提取网络对工地场景图像进行多尺度特征提取，得到多个尺度的特征图，其中，表示尺度层级编号；

5、s2：对每张特征图进行小波变换分解，获取对应的低频子带和高频子带；

6、s3：基于跨尺度映射规则，将不同尺度的低频子带和高频子带分别送入不同层级的频率融合模块；其中，包含更多细节的高频子带被更多地传递至高分辨率层级的频率融合模块，包含更多结构语义的低频子带被更多地传递至低分辨率层级的频率融合模块；

7、s4：在每个层级的频率融合模块中，对接收到的来自不同尺度的低频子带和高频子带进行对齐与融合，并利用融合后得到的低频特征和高频特征重建该层级的增强特征图，其中，表示频率融合模块的层级编号；

8、s5：将各层级重建的增强特征图输入检测头，进行行人类别预测和边界框回归，输出行人检测结果。

9、所述s1包括：

10、s1.1：将工地场景图像输入至特征提取网络；

11、s1.2：通过特征提取网络提取个尺度的特征图，且第个特征图满足：

12、；其中，为通道数，为特征图的空间分辨率。

13、所述s2中，对每个特征图进行小波变换分解，得到初始低频子带和初始高频子带，表示为：

14、；

15、且初始低频子带包含水平方向分量、垂直方向分量和对角方向分量，即：

16、。

17、所述s2中，对初始低频子带和初始高频子带分别进行通道对齐与归一化处理，得到低频子带和高频子带，即：

18、；

19、；

20、其中，和为包含卷积操作与归一化操作的映射算子。

21、所述s3中，所述跨尺度映射规则包括：

22、3.1：针对第层频率融合模块，定义低频跨尺度映射索引集合和高频跨尺度映射索引集合，所述索引集合用于指示哪些尺度层级的子带被传递至层级；

23、3.2：根据索引集合，构造输入至第层频率融合模块的低频子带集合和高频子带集合。

24、所述s4中，将对齐后的低频子带集合进行自适应融合，得到融合低频特征；将对齐后的高频子带集合进行自适应融合，得到融合高频特征。

25、所述s4中，基于融合低频特征和融合高频特征进行频率域重建，生成增强特征图，表示为：

26、；

27、其中，为逆小波变换操作，或者为将与在通道维度拼接后经卷积映射的重建操作。

28、该方法还包括训练阶段，所述训练阶段包括：

29、s6：将带有行人标注的样本图像输入检测模型，所述检测模型执行步骤s1~s4获得增强特征图，并将增强特征图输入检测头，得到预测结果；

30、s7：根据预测结果与真实标注计算损失函数，并进行反向传播以更新检测模型的网络参数；

31、所述损失函数至少包括分类损失和回归损失，其中：

32、所述分类损失采用交叉熵损失，其计算公式为：

33、；

34、其中，为单次训练所用样本数量，为行人类别总数，为符号函数，当样本的真实类别为时取1，否则取0，为检测模型预测样本属于类别的概率；

35、所述回归损失采用平滑损失或iou类损失；

36、s8：重复迭代训练直至满足预设条件，得到训练好的检测模型。

37、基于小波变换的跨尺度工地密集遮挡行人检测模型，该模型包括：

38、特征提取网络，用于对输入的工地场景图像进行多尺度特征提取，输出l个尺度的特征图，其中：为尺度层级编号，，为通道数，为空间分辨率；

39、小波特征分解模块，用于对各尺度的特征图进行小波变换分解与特征映射，以输出低频子带和高频子带；其中，所述小波变换分解表示为：

40、；

41、为初始低频子带，为初始高频子带，且包含水平、垂直和对角方向的高频分量；

42、所述特征映射表示为：

43、，；

44、其中：和为包含卷积操作与归一化操作的映射算子；

45、多个频率融合模块，分别设置于不同尺度层级，每一频率融合模块层级k的输入端依据跨尺度映射规则与小波特征分解模块的输出端连接，使得第k层频率融合模块接收低频子带集合和高频子带集合，其中：和分别为低频与高频跨尺度映射索引集合；高分辨率层级对应的包含更多高尺度层级索引，低分辨率层级对应的包含更多低尺度层级索引；

46、每一频率融合模块用于对接收到的低频子带集合和高频子带集合执行空间对齐与通道对齐，得到对齐后的低频子带和高频子带；再对对齐后的子带进行自适应融合，得到融合低频特征和融合高频特征；

47、基于和通过逆小波变换或通道拼接卷积进行频率域重建，生成增强特征图，其中：为逆小波变换操作或通道拼接后卷积映射操作；

48、检测头，用于根据各层级频率融合模块生成的增强特征图进行行人类别预测和边界框回归，并输出行人检测结果。

49、本发明一种基于小波变换的跨尺度工地密集遮挡行人检测方法，技术效果如下：

50、1）有效提升密集遮挡条件下行人特征的可分性，降低漏检与粘连误检：

51、针对施工现场人员密集、遮挡普遍，相邻实例边界混叠、特征互扰，边缘细节模糊的问题。本发明通过小波特征分解模块将特征图进行小波变换分解：，显式解耦为低频子带（结构语义信息）和高频子带（边缘细节信息）。在密集遮挡场景中，行人的可见部分往往仅为局部轮廓或边缘，高频子带能够强化这些局部细节响应，低频子带则保持整体结构的稳定性，从而有效增强行人关键特征表达、抑制背景干扰，解决特征粘连导致的漏检和多人合并为单人的误检问题。

52、2）显著提升跨尺度行人检测能力，兼顾大目标与小目标的检测精度：

53、针对工地视频中行人尺度跨度极大，远处小目标、近处大目标，导致识别能力减弱的问题。本发明通过跨尺度映射规则构建了低频/高频跨尺度索引集合、，使得包含更多细节的高频子带被更多地传递至高分辨率层级的频率融合模块以增强小目标行人边缘纹理表征，包含更多结构语义的低频子带被更多地传递至低分辨率层级的频率融合模块以强化大目标行人的整体轮廓一致性，实现了结构信息与细节信息的跨尺度互补增强，从而在同一模型内有效兼顾小目标与大目标检测，提高整体检测的map和召回率。

54、3）有效抑制复杂工地背景中的高频干扰，降低误检率：

55、针对工地背景包含脚手架、钢筋网、围挡纹理、机械结构件等高频纹理与重复结构，易与行人轮廓混淆的问题。本发明在多层级频率融合模块中对来自不同尺度的低频/高频子带进行自适应融合：、，并在融合后进行频率域重建生成增强特征图。该过程能够有针对性地强化行人目标相关的频率成分，抑制背景中的高频伪响应，避免由于背景重复纹理引发的误检，从而有效减少误报警和重复框，提高检测结果的可信度。

56、4）增强在成像退化条件下的检测鲁棒性与稳定性，满足实际工地安全管理需求：

57、针对施工现场存在粉尘、反光、运动模糊、低照度与逆光等成像退化的问题。本发明在训练阶段通过联合优化小波特征分解模块和频率融合模块中的所有可学习参数。基于分类损失和回归损失进行反向传播，使得检测模型能够学习到在不同成像条件下鲁棒的特征表达，从而在光照变化、运动模糊等干扰下仍保持较好的检测稳定性与泛化能力，契合智慧工地实时监控与安全管理的实际应用需求。