面向部分遮挡的多目标检测算法研究

• 作者: 彭瑞卿 谈诚 江长江 方正
• 来源期刊: 武汉大学学报（工学版）
• 学科: 工学
• 关键词: 卷积神经网络 目标识别 人群密度估计
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 计算机技术及应用
• 页码范围: 1097-1105
• 页数: 9页
• 分类号: TP39]
• 语种: 中文
• DOI: 10.14188/j.1671-8844.2020-12-009

摘要

当前的目标识别(object detection)模型大多是通过构造目标的整体特征,对具体目标类型识别和人群密度估计.然而,当目标特征不完全或存在部分遮挡时,往往很难发挥模型的性能优势.针对这一问题,以人头检测为目标,基于MS COCO 2014和ShanghaiTech 2种经典数据集,采用面向目标识别的YOLOv3模型和Objects as Points模型,以及面向人群密度估计的MCNN模型和CSRNet模型进行对比实验,分别探讨了这些模型在人头检测以及人群人头定位的效果.通过对比发现,在目标识别方面,Objects as Points对目标物体更敏感,在密集地区人数估计方面,CSRNet在2个测试集上平均绝对误差(mean absolute error)分别达到75.69和9.69,表现均优于MCNN.实验结果表明,在目标遮挡较严重或密集型区域,先对人头中心坐标进行定位再检测比直接对人头进行定位表现更稳定.