(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 202211017917.3 (22)申请日 2022.08.24 (71)申请人 功夫链 （上海） 体 育文化发展 有限公 司 地址 200040 上海市 静安区延安西路12 9号 2208室 (72)发明人 李翔　韩潼瑜　黄玉阔　程文锋　 (74)专利代理 机构 大连大工智讯专利代理事务 所(特殊普通 合伙) 2124 4 专利代理师 梁左秋 (51)Int.Cl. G06V 40/10(2022.01) G06V 10/42(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于YOLOv6的移动端实时人体检测方法及 系统 (57)摘要 本发明涉及人体检测技术领域， 提供一种基 于YOLOv6的移动端实时人体检测方法， 包括： 步 骤100， 采用图像采集设备采集检测图片； 步骤 200， 将检测图片输入人体识别模型的骨干特征 提取网络中， 进行特征提取， 得到一次特征图； 步 骤300， 将一次特征图， 输入到人体识别模型的颈 部特征融合网络中进行二次特征提取， 得到二次 提取特征图； 步骤400， 将二次特征图输入到人体 识别模型的检测头预测网络中， 输出人体检测结 果。 本发明能够提升模型对多环 境的鲁棒性和对 人体的检测精度， 移动端保证检测精度的同时， 大大提高检测速度。 权利要求书2页 说明书6页 附图5页 CN 115331261 A 2022.11.11 CN 115331261 A 1.一种基于 YOLOv6的移动端实时人体 检测方法， 其特 征在于， 包括： 步骤100， 采用图像采集设备采集检测图片； 步骤200， 将检测图片输入人体识别模型的骨干特征提取网络中， 进行特征提取， 得到 一次特征图； 步骤300， 将一次特征图， 输入到人体识别 模型的颈部特征融合网络中进行二 次特征提 取， 得到二次提取 特征图； 步骤400， 将二次特征图输入到人体识别模型的检测头预测网络中， 输出人体检测结 果。 2.根据权利 要求1所述的基于YOLOv6的移动端实时人体检测方法， 其特征在于， 所述骨 干特征提取网络， 采用Mobi leViT网络或者Ef ficientRep网络 。 3.根据权利要求2所述的基于YOLOv6的移动端实时人体检测方法， 其特征在于， 所述 MobileViT网络， 包括： 依次设置的3*3卷积模块、 Mobilenetv2模块、 Mobilenetv2模块、 Mobilenetv2模块、 Mobilenetv2模块、 Mobilenetv2模块、 MobileViT  Block模块、 Mobilenetv2模块、 MobileViT  Block模块、 Mobilenetv2模 块、 MobileViT  Block模块； 其中， 所述3*3卷积模块采用降采样2倍， 第二个、 第五个、 第六个和第七个Mobilenetv2模块均采 用降采样2倍。 4.根据权利要求3所述的基于YOLOv6的移动端实时人体检测方法， 其特征在于， 所述 MobileViT  Block模块里包含Transformer  Encoder模块， 且三个MobileViT  Block模块 内 部重复Transformer  Encoder模块次数依次为2次、 4次和3次， 检测图片经过MobileViT   Block模块后， 特 征图的维度不发生变化； Transformer  Encoder模块采用自注意力机制； Transformer  Encoder模块内部经过多头注意力机制后， 输出的特征向量经过二个全 连接层， 然后进行L N操作； 检测图片经过第一个MobileViT  Block模块之后输出第一一次特征图， 经过第二个 MobileViT  Block模块之后输出第二一次特征图， 经过第三个MobileViT  Block模块之后输 出的第三 一次特征图。 5.根据权利要求2所述的基于YOLOv6的移动端实时人体检测方法， 其特征在于， 所述 EfficientRep网络， 包括： RepConv模块、 RepConv模块、 RepBlock模块、 RepConv模块、 RepBlock模 块、 RepConv模 块、 RepBlock模 块、 RepConv模 块、 RepBlock模块、 Si mSPPF模块； 其 中， 所述RepCo nv模块的步长为2； 所述RepBlock模块， 包括： 多个RepCo nv子模块。 6.根据权利要求4或5所述的基于YOLOv6的移动端实时人体检测方法， 其特征在于， 所 述颈部特征融合网络， 采用Neck网络； 所述Neck网络， 包括： RepBlock模块、 3*3卷积模块、 concate拼接层、 RepBlock模块、 3*3 卷积模块、 concate拼接层、 RepBlock模块、 1*1卷积模块、 Upsample模块、 concate拼接层、 RepBlock模块、 1*1卷积模块、 Upsample模块、 co ncate拼接层； 分别将第一一次特征图、 第二一次特征图、 第三一次特征图输入到颈部特征融合网络 中， 此时特征图的通道数数需一一对应， 然后Neck网络对特征进 行融合， 得到第一二次特征 图、 第二二次特征图、 第三 二次特征图。权　利　要　求　书 1/2 页 2 CN 115331261 A 27.根据权利要求4或5所述的基于YOLOv6的移动端实时人体检测方法， 其特征在于， 所 述检测头预测网络， 包括： 1*1卷积模块、 3*3卷积模块、 1*1卷积模块、 Cls模块、 3*3卷积模 块、 1*1卷积模块、 Reg模块、 1*1卷积模块、 Obj模块； 二次特征图经过一个1*1卷积模块后， 分为二支路， 第一支路先后经过一个3*3卷积模 块和一个1*1卷积模块， 得到物体的类别信息， 第二支路先后经过一个3*3卷积模块和二个 1*1卷积模块， 分别得到物体的位置信息和置信度信息(Obj.)。 8.一种基于YOLOv6的移动端实时人体检测系统， 其特征在于， 包括： 采集模块、 骨干特 征提取模块、 颈 部特征模块和检测头模块； 所述采集模块， 用于采用高速运动相机采集检测图片； 所述骨干特征提取模块， 用于将检测图片输入人体识别模型的骨干特征提取网络中， 进行特征提取， 得到一次特 征图； 所述颈部特征模块， 用于将一次特征图， 输入到人体识别模型的颈部特征融合网络中 进行二次特 征提取， 得到二次提取 特征图； 所述检测头模块， 用于将二次特征图输入到人体识别模型的检测头预测网络中， 输出 人体检测结果。权　利　要　求　书 2/2 页 3 CN 115331261 A 3