结合语义信息的行人检测方法

• 作者: 刘丹 马同伟
• 来源期刊: 电子测量与仪器学报
• 学科: 工学
• 关键词: 自动驾驶 车辆检测 卷积神经网络
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 学术论文
• 页码范围: 54-60
• 页数: 7页
• 分类号: TP391|TN919.85
• 语种: 中文
• DOI: 10.13382/j.jemi.B1801706

摘要

随着卷积神经网络(CNN)的提出,行人检测方法的正确率已经得到了很大提升,尽管CNN模型可以学习到目标的不同变化,然而自动驾驶场景下的行人检测依然面临着巨大挑战,主要表现为广泛的尺度变化、光照变化以及不同程度的遮挡.在已有CNN网络的基础上,提出一种更为鲁棒的行人检测方法,其主要思想是在原有检测器的基础上利用像素级的语义信息作为额外的监督来训练CNN.该算法首先提取CNN不同尺度的特征图,在这些特征图上铺设不同大小的目标候选框,添加一层卷积层对这些目标候选框进行分类和回归,同时利用这些特征图生成语义分割图,最终分为两路分别监督目标检测结果和语义分割结果.在最新的行人检测数据集CityPersons上的结果表明,结合语义信息可以提升算法的检测成功率,并且不增加算法耗时,在数据集中1 024×2 048 pixels的图像上平均检测耗时仅为0.3s一张图像.