结合细粒度特征与注意力机制的行人检测.pdfVIP

第４２卷第４期计算机应用与软件Ｖｏｌ４２Ｎｏ．４

２０２５年４月ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅＡｐｒ．２０２５

结合细粒度特征与注意力机制的行人检测

肖顺亮强赞霞李丹阳刘卫光

（中原工学院计算机学院河南郑州４５１１９１）

摘要由于行人易被遮挡、尺度差异大等原因，导致行人漏检率高。针对这种情况，对基于Ａｎｃｈｏｒｆｒｅｅ思想

的行人检测算法进行改进。针对卷积神经网络提取特征时对目标尺度变化敏感的问题，提出细粒度特征融合策

略，获取丰富的行人特征信息。采用空间域注意力机制对特征图不同区域进行权重学习，提高模型的表达能力。

利用多尺度检测方法，使模型自适应检测不同尺度的行人，增强模型检测时的鲁棒性。实验结果表明，改进算法在

Ｃｉｔｙｐｅｒｓｏｎ数据集的Ｒｅａｓｏｎａｂｌｅ、Ｂａｒｅ、Ｐａｒｔｉａｌ和Ｈｅａｖｙ子集上分别取得１１．３３％、６．８１％、１１．５２％和５０．０９％的

－２

ＭＲ，性能优于其他行人检测算法。

关键词行人检测无锚框特征融合多尺度注意力机制

中图分类号ＴＰ３９１文献标志码ＡＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０２５．０４．０２５

ＰＥＤＥＳＴＲＩＡＮＤＥＴＥＣＴＩＯＮＣＯＭＢＩＮＩＮＧＦＩＮＥＧＲＡＩＮＥＤＦＥＡＴＵＲＥ

ＡＮＤＡＴＴＥＮＴＩＯＮＭＥＣＨＡＮＩＳＭ



ＸｉａｏＳｈｕｎｌｉａｎｇＱｉａｎｇＺａｎｘｉａＬｉＤａｎｙａｎｇＬｉｕＷｅｉｇｕａｎｇ

（ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ，ＺｈｏｎｇｙｕａｎＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｚｈｅｎｇｚｈｏｕ４５１１９１，Ｈｅｎａｎ，Ｃｈｉｎａ）

ＡｂｓｔｒａｃｔＴｈｅｐｅｄｅｓｔｒｉａｎｉｓｅａｓｙｔｏｂｅｂｌｏｃｋｅｄａｎｄｔｈｅｓｃａｌｅｉｓｄｉｆｆｅｒｅｎｔ，ｓｏｔｈｅｐｅｄｅｓｔｒｉａｎｍｉｓｓｅｄｄｅｔｅｃｔｉｏｎｒａｔｅｉｓ

ｈｉｇｈ．Ｉｎｖｉｅｗｏｆｔｈｉｓ，ｔｈｅｐｅｄｅｓｔｒｉａｎｄｅｔｅｃｔｉｏｎａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎＡｎｃｈｏｒｆｒｅｅｉｄｅａｉｓｉｍｐｒｏｖｅｄ．Ａｉｍｅｄａｔｔｈｅｐｒｏｂｌｅｍ

ｔｈａｔｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｕｒａｌｎｅｔｗｏｒｋｗａｓｓｅｎｓｉｔｉｖｅｔｏｔａｒｇｅｔｓｃａｌｅｃｈａｎｇｅｓｗｈｅｎｅｘｔｒａｃｔｉｎｇｆｅａｔｕｒｅｓ，ａｆｉｎｅｇｒａｉｎｅｄｆｅａｔｕｒｅ

ｆｕｓｉｏｎｓｔｒａｔｅｇｙｗａｓｐｒｏｐｏｓｅｄｔｏｏｂｔａｉｎｒｉｃｈｐｅｄｅｓｔｒｉａｎｆｅａｔｕｒｅｉｎｆｏｒｍａｔｉｏｎ．Ｔｈｅｓｐａｔｉａｌａｔｔｅｎｔｉｏｎｍｅｃｈａｎｉｓｍｗａｓｕｓｅｄｔｏ

ｓｔｕｄｙｔｈｅｗｅｉｇｈｔｏｆｄｉｆｆｅｒｅｎｔｒｅｇｉｏｎｓｏｆｔｈｅｆｅａｔｕｒｅｍａｐｔｏｉｍｐｒｏｖｅｔｈｅｅｘｐｒｅｓｓｉｏｎａｂｉｌｉｔｙｏｆｔｈｅｍｏｄｅｌ．Ｕｓｉｎｇｍｕｌｔｉｓｃａｌｅ

ｄｅｔｅｃｔｉｏｎｍｅｔｈｏｄ，ｔｈｅｍｏｄｅｌａｄａｐｔｉｖｅｌｙｄｅｔｅｃｔｅｄｐｅｄｅｓｔｒｉａｎｓｏｆｄｉｆｆｅｒｅｎｔｓｃａｌｅｓａｎｄｅｎｈａｎｃｅｄｔｈｅｒｏｂｕｓｔｎｅｓｓｏｆｍｏｄｅｌ

－２

ｄｅｔｅｃｔｉｏｎ．ＴｈｅｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔＭＲｏｆ１１．３３％，６．８１％，１１．５２％ａｎｄ５０．０９％ａｒｅｏｂｔａｉｎｅｄｏｎＲｅａｓｏｎａｂｌｅ，

Ｂａｒｅ，ＰａｒｔｉａｌａｎｄＨｅａｖｙｓｕｂｓｅｔｓｏｆＣｉｔｙｐｅｒｓｏｎｄａｔａｓｅｔ，ｒｅｓｐｅｃｔｉｖｅｌｙ，ｗｈｉｃｈｉｓｂｅｔｔｅｒｔｈａｎｏｔｈｅｒｐｅｄｅｓｔｒｉａｎｄｅｔｅｃｔｉｏｎａｌｇｏｒｉｔｈｍｓ．

ＫｅｙｗｏｒｄｓＰｅｄｅｓｔｒｉａｎｄｅｔｅｃｔｉｏｎＡｎｃｈｏｒｆｒｅｅＦｅａｔｕｒｅｆｕｓｉｏｎＭｕｌｔｉｓｃａｌｅＡｔｔ