面向人群密集场景的行人检测算法研究.pdfVIP

面向人群密集场景的行人检测算法研究

摘要

行人检测技术是计算机视觉领域中热门的研究课题之一，具有非常广泛的应用范围。

当前对于行人检测算法的研究，在一些非密集场景下已经能够取得较为稳定的效果，但

在人群密集场景下，行人目标尺度不一、行人目标受遮挡严重等因素导致算法的检测性

能出现了下降。对此，本文重点研究面向复杂人群密集场景的行人检测任务，对基准行

人目标检测算法进行优化，以此来提升算法的检测性能，并且设计了一套完整的行人检

测交互系统，使得算法的理论研究与实际应用联系地更为紧密。主要研究内容如下：

（1）针对复杂人群密集场景中较远视角处小尺度行人目标漏检率较高的问题，设

计了一种融合注意力机制的循环多尺度特征提取网络，并将其与两阶段目标检测算法中

具有代表性的FasterRCNN算法进行结合，得到改进后的基于多尺度特征增强融合的行

人检测算法。首先基于循环递归特征金字塔结构进行多尺度特征级联融合处理，以此来

提升特征的表达能力。其次利用设计的特征重构模块使得不同层次特征中涵盖的语义信

息和细节纹理信息能够更加均衡。然后基于混合注意力增强模块进行特征增强，并且抑

制无效信息的干扰。最后为了验证改进后算法的有效性，基于公开的TJU-DHD-pedestrian

和CrowdHuman数据集进行了对比实验。实验结果表明，改进后的算法能够提升对不同

尺度行人目标的检测能力，并且降低了较远视角处小尺度行人目标的漏检率。

（2）针对复杂人群密集场景中正常视角处被遮挡的行人目标漏检率较高的问题，

设计了一种基于头部和整体信息联合的行人检测算法。首先利用特征提取网络获取图像

的特征信息，其次，设计了行人头部和整体的联合检测策略，旨在利用头部检测来辅助

行人检测。在初步非极大值抑制处理环节，依据行人目标的遮挡重叠率来自适应调整抑

制阈值，进而使得遮挡严重的整体框不被过度抑制。然后设计了行人头部与整体信息的

匹配机制，用于将头部框和整体框进行配对，并基于匹配结果来矫正冗余框的筛选结果，

以此来进一步降低因行人目标相互遮挡而引起的漏检。在损失函数方面，在行人整体检

测分支引入了斥力损失以抑制周围目标的干扰。最后为验证所提算法的有效性，基于公

开的CrowdHuman和CityPersons行人检测数据集进行了对比实验。实验结果表明，改

进后算法的平均精度分别提升了3.1%和1.8%，漏检率分别降低了4.7%和3.3%。

（3）设计一套行人检测交互系统，旨在使算法的理论研究与实际应用结合地更为

紧密。首先对所提的两套算法进行封装与部署，并设计了软件前端交互界面，进而能够

以交互的方式对图像或视频中的行人目标进行准确地检测。然后对交互系统中的各个功

能进行了测试。测试结果表明，系统中的各个功能均能正常实现，并能够达到预期效果。

关键词：行人检测；人群密集场景；FasterRCNN；多尺度特征融合；头部辅助检测

面向人群密集场景的行人检测算法研究

ABSTRACT

Pedestriandetectiontechnologyisoneofthepopularresearchtopicsinthefieldof

computervision,withaverywiderangeofapplications.Thecurrentresearchonpedestrian

detectionalgorithmshasbeenabletoachievemorestableresultsinsomenon-densescenes,but

incrowdedscenes,thepedestriantargetscaleisdifferent,thepedestriantargetisseriously

obscuredandotherfactorsleadtoadeclineinthedetectionperformanceofthealgorithm.In

thispaper,wefocusonthe