基于差异性区域预测的行人与骑车人联合检测

• 作者: 肖艳秋 周坤 崔光珍 房占鹏 孙启迪 刘燕旗
• 来源期刊: 汽车工程
• 关键词: FasterR?CNN 通道聚合 差异性区域预测 行人检测 骑车人检测
• 年，卷（期）: 2021,（1）
• 页码范围: 77-85
• 页数: 9页
• 语种: 中文
• DOI: 10.19562/j.chinasae.qcgc.2021.01.010

摘要

本文中针对自动驾驶车辆在环境感知过程中易将行人与骑车人混淆的问题,提出一种有效区分行人与骑车人的联合检测方法,并基于快速区域卷积神经网络Faster R-CNN进行改进.首先,通过增加一个子网络提取图像形状特征通道,将其与主干网络生成的特征图进行聚合,额外的形状语义通道用以辅助检测器区分行人与骑车人的特征;接着,通过构建差异性区域预测单元,以区分行人与骑车人差异部位,将建议区域划分为多个部件并计算其置信度,根据该置信度对部件特征进行加权;最后,将主体特征与加权后的部件特征聚合后送至分类器进行分类.在本文中构建的行人-骑车人数据集和公开的Caltech数据集中进行测试的结果表明,改进后的检测方法能有效减少将骑车人误检为行人的情况,具有较高的检测精度.