基于特征增强的行人检测算法研究.pdf

摘要

随着深度学习与计算机视觉的不断深入发展，行人检测技术成为当今研究人

员的一个重点研究方向。特别是近年来硬件水平的不断提高，行人检测的研究进

展也取得了较大的突破。但是如何提高行人检测的检测精确度仍然受到众多研究

人员的关注，尤其是如何提高遮挡行人的检测精确度仍是目前的一项重点的研究

方向。因此，本文针对当前行人检测器在检测行人目标时，通常会因为背景信息

复杂，行人目标密集等因素产生误检、漏检等问题进行研究。

1.针对行人特征在卷积神经网络中往往会随着网络深度的不断加深而出现行

人特征丢失的问题，设计一个基于混合注意力机制和C2f的行人检测器。首先，

采用改进后的特征提取网络获取突出行人特征的特征图；然后，利用优化之后的

特征金字塔网络和特征融合策略突破浅层特征层和深层特征层的层级结构，尽可

能保留浅层特征层当中足够的行人特征；接着，利用自注意力机制和ECA注意力

机制引导网络关注上下文信息和行人目标，抑制背景信息，避免行人特征被冗杂

的无用信息淹没；最后，使用预测网络获取预测结果。在公开的数据集上的对其

进行相关实验，实验结果证实了该行人检测器可以有效地提高行人检测效果。

2.针对行人在现实环境中往往存在密集状况，行人目标的遮挡状况会导致行

人目标形体不充分从而出现对行人目标的分类错误和预测框的定位偏差的问题。

设计了一个基于全连接神经网络与GIoU-NMS的行人检测器。首先，采用改进之

后的预测网络获取新的置信度得分，利用全连接神经网络替换卷积网络对分类网

络进行优化来解决遮挡行人易出现分类错误的问题；其次，在考虑到预测框与真

实框之间联系的同时，进一步考虑不同预测框之间的联系，采用排斥损失函数来

修正预测框偏移；最后为缓解预测框容易因为堆叠而被错误抑制的状况，使用

GIoU改进非极大值抑制算法，可以提高检测器的稳定性。在公开的数据集对其进

行相关实验，实验结果证实了该行人检测器可以有效地提高遮挡行人的检测效果。

关键词：行人检测；特征增强；混合注意力机制；C2f；遮挡行人检测；全

连接网络；GIoU-NMS

I

toreplacetheconvolutionalnetworktooptimizetheclassificationnetworktosolvethe

problemthatoccludingpedestriansispronetoclassificationerrors.Secondly,while

consideringtherelationshipbetweenthepredictionframeandtherealframe,the

continuitybetweendifferentpredictionframesisfurtherconsidered,andtherepulsion

lossfunctionisusedtocorrectthedeviationofthepredictionframe.Finally,inorderto

alleviatethesituationthatthepredictionframeiseasytobeincorrectlysuppresseddueto

stacking,theGIoUisusedtoimprovethestabilityofthedetector.Experimentalresults

showthatthepedestriandetectorcaneffectivelyimprovethedetectioneffectofoccluding

pedestrians.

KeyWords:PedestrianDetection;FeatureEnhancement;HybridAttention

Mechanism;C2F;OcclusionPedestrianDetection;FullyConnectedNetwork;GIoU-

NMS