交通场景多分辨率行人检测鲁棒性优化研究.pdfVIP

在行人检测技术领域，随着分辨率下降而造成的检测性能的严重下降，成为

目前该领域最主要的研究瓶颈。在这篇文章里，不同分辨率的行人检测问

题分解成若干不同但又相关的问题来解决，同时我们提出了一个多任务行人检测

模型，该模型可以兼顾不同分辨率的之间的差别和共同之处，从而进行不同

分辨率的行人检测。分辨率匹配转换和共享的行人检测器是这个模型两个重要的

组成部分，前者通过机器学习将不同分辨率的图像特征映射到一个相同维度的子

空间，后者是利用前者转换后的特征进行训练的行人检测器。在模型训练方面，

我们提出了一个坐标下降过程来分别对两个不同的过程进行训练。在交通场景下，

在汽车周围会出现很多错误的行人检测结果，所以，我们进一步提出了一个关系

相关模型，该模型可以通过分析行人和车辆之间的关系来进一步精确检测结果。

这个相关关系模型甚至在训练中没有车辆注释的时候都可以自动训练。我们

方法在CaltechPedestrianBenchmark上将行人分辨率高于30像素的的

行人检测的错误率降低到了60%，这一点明显优于state-of-the-art表现的71%。

介绍

行人检测凭借着其在类似于驾车助手和