李志國(guó) 朱明

摘 要：基于深度學(xué)習(xí)的目標(biāo)檢測(cè)已成為計(jì)算機(jī)視覺(jué)領(lǐng)域中一個(gè)重要的研究熱點(diǎn)，在智能交通、智能監(jiān)控、智慧社區(qū)等諸多領(lǐng)域有非常廣闊的應(yīng)用。本文在嵌入式平臺(tái)下，利用最新anchor-free目標(biāo)檢測(cè)方法，針對(duì)智慧社區(qū)中停車場(chǎng)出入口場(chǎng)景實(shí)現(xiàn)了實(shí)時(shí)的高質(zhì)量車輛檢測(cè)，有效地提升了車輛的抓拍率和識(shí)別率。

關(guān)鍵詞：嵌入式平臺(tái);anchor-free;車輛檢測(cè)

中圖分類號(hào)：U463 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1671-2064（2020）12-0047-02

0引言

智能停車場(chǎng)是智能社區(qū)的重要組成部分，智能停車場(chǎng)出入口利用智能相機(jī)對(duì)車輛進(jìn)行捕獲抓拍和智能識(shí)別并自動(dòng)計(jì)費(fèi)，車輛檢測(cè)是智能分析的前提和關(guān)鍵。車輛檢測(cè)方法是目標(biāo)檢測(cè)方法的特例。基于深度卷積網(wǎng)絡(luò)的目標(biāo)檢測(cè)方法按照是否有錨點(diǎn)（anchor）可分為anchor-based和anchor-free2種，受限于anchor設(shè)計(jì)的復(fù)雜性，anchor-free得到了極大的關(guān)注和發(fā)展。本文基于anchor-free的FCOS[1]方法，通過(guò)修改主干網(wǎng)絡(luò)和FPN特征金字塔等設(shè)計(jì)，整個(gè)網(wǎng)絡(luò)可以在海思3516d平臺(tái)和Mstar平臺(tái)上達(dá)到實(shí)時(shí)處理的效果。

1 主干網(wǎng)絡(luò)（backbone）

MobileNet v2[2]在深度可分離卷積的基礎(chǔ)上引入了殘差結(jié)構(gòu)，并發(fā)現(xiàn)ReLU的在通道數(shù)較少的Feature Map上有非常嚴(yán)重信息損失問(wèn)題，由此引入了Linear Bottlenecks和Inverted Residual[3]。為了達(dá)到嵌入式平臺(tái)的實(shí)時(shí)性處理，本文采用MobileNet V2（0.25）版本，記為MobileNet-V2-0.25-modified，輸入分辨率為192×108（加邊對(duì)齊后為192×128）。

2 FPN

特征金字塔FPN主要解決的是物體檢測(cè)中的多尺度問(wèn)題，通過(guò)簡(jiǎn)單的網(wǎng)絡(luò)連接在基本不增加原有模型計(jì)算量情況下，大幅度提升了小物體檢測(cè)的性能。

特征金字塔FPN網(wǎng)絡(luò)直接在原來(lái)的網(wǎng)絡(luò)上做修改，每個(gè)分辨率的特征圖引入后一分辨率縮放兩倍的特征圖做相加的操作。通過(guò)這樣的連接，每一層預(yù)測(cè)所用的特征圖都融合了不同分辨率、不同語(yǔ)義強(qiáng)度的特征。同時(shí)，由于此方法只是在原網(wǎng)絡(luò)基礎(chǔ)上加上了額外的跨層連接，在實(shí)際應(yīng)用中幾乎不增加額外的時(shí)間和計(jì)算量，適合在低算力的嵌入式平臺(tái)上應(yīng)用。

本文采用3層FPN結(jié)構(gòu)，把backbone中{stage1，stage3，stage5}記為{C3，C4，C5}，其stride分別為{8，16，32}，通過(guò)FPN生成記為{P3，P4，P5}，具體見(jiàn)圖1。

3 FCOS-ours

一種基于像素級(jí)預(yù)測(cè)一階全卷積目標(biāo)檢測(cè)方法，目前大多數(shù)先進(jìn)的目標(biāo)檢測(cè)模型，例如RetinaNet、SSD、YOLOv3、Faster R-CNN都依賴于預(yù)先定義的錨框。而FCOS是anchor box free的，即不依賴預(yù)先定義的錨框。通過(guò)去除預(yù)先定義的錨框，F(xiàn)COS避免了關(guān)于錨框的復(fù)雜運(yùn)算，避免了和錨框有關(guān)且對(duì)最終檢測(cè)結(jié)果非常敏感的所有超參數(shù)。由于后處理只采用非極大值抑制（NMS），F(xiàn)COS比以往基于錨框的一階檢測(cè)器具有更加簡(jiǎn)單的優(yōu)點(diǎn)，非常適合在嵌入式平臺(tái)下采用。

3.1訓(xùn)練回歸公式

設(shè)標(biāo)定框（ground-truth bounding boxes）{Bi}=（x0（i），

y0（i），x1（i），y1（i），c（i））∈R4，其中（x0（i），y0（i））為標(biāo)定框的左上點(diǎn)坐標(biāo)，（x1（i），y1（i））為右下點(diǎn)坐標(biāo)。c（i）為分類的種類，這里是車輛檢測(cè)，取值為1。如果坐標(biāo)點(diǎn)（x，y）在標(biāo)定框內(nèi)部，則認(rèn)為其為正樣本，否則為負(fù)樣本，設(shè)4D的向量t*=（l*，t*，r*，b*）為該點(diǎn)（x，y）的回歸值，則：

l*=x-x0（i），t*=y-y0（i），r*=x1（i）-x，b*=y1（i）-y。 ? ? ?（1）

和基于anchor-based方法不同，F(xiàn)COS直接限制每層金字塔回歸框的大小，P3，P4，P5分別回歸的范圍為（0，64]，（64， 128]，（128，∞）。

3.2 損失函數(shù)

訓(xùn)練損失函數(shù)分類損失和目標(biāo)框的回歸損失，如公式2所示。

Lcls是focal loss，Lreg為IOU loss。Npos是正樣本的個(gè)數(shù)，λ為平衡因子，用于平衡2種損失的權(quán)重，一般取1，是指示性函數(shù)，如果則為1。

4 實(shí)驗(yàn)

主要在停車場(chǎng)出入口進(jìn)行了車輛檢測(cè)的實(shí)驗(yàn)，訓(xùn)練數(shù)據(jù)包括各種天氣，各種光線，各種場(chǎng)景下的車輛車頭數(shù)據(jù)共30k，樣例如圖2所示。訓(xùn)練采用隨機(jī)梯度下降（SGD）方法，共訓(xùn)練30epoch，初始學(xué)習(xí)率為0.01，并在16，24個(gè)epoch分別降低原來(lái)的0.1倍，momentum為0.9，weight decay為0.0001，訓(xùn)練后生成模型大小1M，算力14M Mac。

4.1 和Mtcnn[3]效果比較

Mtcnn最初用于人臉檢測(cè)，使用3個(gè)CNN級(jí)聯(lián)的方式，實(shí)現(xiàn)了coarse-to-fine的算法結(jié)構(gòu)，其級(jí)聯(lián)的網(wǎng)絡(luò)架構(gòu)可以高效的用于處理停車場(chǎng)出入口車輛較少，目標(biāo)占比較大的場(chǎng)景。

表1為FCOS-ours和Mtcnn效果效率比較，為了便于比較，用分割線加以區(qū)分，分割線以上是Mctnn的結(jié)果，以下為FCOS-ours的結(jié)果，No-plate1、daytime1、nighttime3分別為數(shù)據(jù)庫(kù)的名字，后面的數(shù)字代表標(biāo)定框的個(gè)數(shù)。從表中可以看出，得益于backbone，F(xiàn)PN，損失等設(shè)計(jì)和end to end訓(xùn)練方法，F(xiàn)COS-ours在耗時(shí)更少的情況下，效果超過(guò)了Mtcnn

6%～10%。Mtcnn耗時(shí)不穩(wěn)定，主要和目標(biāo)個(gè)數(shù)和場(chǎng)景復(fù)雜度相關(guān)，當(dāng)檢測(cè)目標(biāo)增多時(shí)耗時(shí)呈線性增加。

4.2 在嵌入式平臺(tái)下效率

Hi3516D是海思半導(dǎo)體針對(duì)高清攝像機(jī)產(chǎn)品應(yīng)用開發(fā)的一款專業(yè)SOC芯片，處理器內(nèi)核為ARM Cortex A9@Max.

800MHz，Mstar@1G是Mstar主頻1GHz芯片。具體耗時(shí)見(jiàn)表2。

5 結(jié)論

本文針對(duì)出入口車輛檢測(cè)任務(wù)，利用FCOS anchor-free目標(biāo)檢測(cè)方法，通過(guò)修改主干網(wǎng)絡(luò)置，F(xiàn)PN特征金字塔等網(wǎng)絡(luò)配置，使基于卷積神經(jīng)網(wǎng)絡(luò)的方法可以在嵌入式平臺(tái)下實(shí)時(shí)運(yùn)行，并達(dá)到了較好的檢測(cè)效果。

參考文獻(xiàn)

[1] Zhi Tian，Chunhua Shen，Hao.Chen，et al.FCOS：fully convolutional one-stage object detection[M].InICCV，2019.

[2] Mark Sandler，Andrew G.Howard，Menglong Zhu，et al.Mobilenetv2：Inverted residuals and linear bottlenecks.mobile networks for classification，detection and segmentation[J].CoRR，abs，2018（10）：1804-1806.

[3] Zhang，K，Zhang.Z，Li.Z，Qiao.Y，Joint face detection and alignment using multitask cascadedconvolutionalnetworks[J].IEEE Signal Processing Letters，2003（10）：1499-1503.