基于改进FCOS的拥挤行人检测算法

• 作者: 齐鹏宇 王洪元 张继 朱繁 徐志晨
• 来源期刊: 智能系统学报
• 关键词: 行人检测 多尺度检测 全卷积单阶段目标检测 拥挤行人场景 训练策略 小目标检测 尺度回归 逐像素预测
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 吴文俊人工智能科学技术奖论坛|Forum of Recipients of Wu Wenjun Artificial Intelligence Science and Technology Award
• 页码范围: 811-818
• 页数: 8页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.11992/tis.202010012

摘要

针对大规模拥挤场景视频中行人目标小、行人遮挡和行人交叠而导致的检测困难等问题,本文将逐像素预测目标检测框架—全卷积单阶段目标检测FCOS(fully convolutional one-stage object detection)应用于行人检测,提出一种改进的主干网络用于提取行人特征,通过增加尺度回归实现目标行人的多尺度检测,同时减少其他特征层检测的目标数量,进而提升行人检测的能力.在拥挤行人场景数据集CrowdHuman和小目标行人数据集Caltech上的大量实验结果表明,和目前先进的方法相比,本文的方法对行人的检测精度有所提升,特别是对于小目标行人检测.与原始FCOS算法相比,在CrowdHuman上平均精度提升接近15％,丢失率降低接近33.0％;在Caltech上的平均精度提升2％.在复杂拥挤场景下的实际应用也证明本文方法的有效性.