肖順亮，強(qiáng)贊霞，劉衛(wèi)光

(中原工學(xué)院 計(jì)算機(jī)學(xué)院，河南 鄭州 451191)

0 引 言

行人檢測技術(shù)在日常生活中應(yīng)用越來越廣泛，比如自動駕駛[1]、視頻監(jiān)控[2]、機(jī)器人路徑規(guī)劃、行人再識別技術(shù)中都涉及到行人檢測問題。由于它具有極大的應(yīng)用研究價(jià)值，越來越引起學(xué)術(shù)界和工業(yè)界的廣泛關(guān)注。近年來隨著神經(jīng)網(wǎng)絡(luò)的迅速發(fā)展，從傳統(tǒng)的手工提取圖像特征到通過神經(jīng)網(wǎng)絡(luò)提取圖像特征的轉(zhuǎn)變，行人檢測的效率和準(zhǔn)確率在標(biāo)準(zhǔn)數(shù)據(jù)集上有了很大提高。然而，在實(shí)際場景中由于行人之間的相互遮擋、行人被其他障礙物遮擋，以及行人尺度的多變性等因素，當(dāng)前的行人檢測算法常常會出現(xiàn)誤檢和漏檢的情況[3]。因此，在擁擠條件下的行人檢測技術(shù)仍面臨著挑戰(zhàn)，檢測的誤檢率需要進(jìn)一步降低。

行人檢測可以看作是目標(biāo)檢測中的一類被檢測對象，可以使用目前比較成功的目標(biāo)檢測算法。常見的目標(biāo)檢測算法可分成兩大類：一類是基于錨框(Anchor-base)的目標(biāo)檢測算法，如以Faster-RCNN[4]為代表的two-stage檢測方法和以SSD[5]為代表的one-stage檢測方法。另一類是無錨框(Anchor-free)的目標(biāo)檢測算法，如基于關(guān)鍵點(diǎn)檢測的CornerNet[6]目標(biāo)檢測算法。以上兩類目標(biāo)檢測算法都成功應(yīng)用于行人檢測技術(shù)中，并取得了一定進(jìn)展。

然而，在實(shí)際場景中由于行人自身尺度的多變性，單一尺度的行人檢測算法無法適應(yīng)不同的尺度，達(dá)不到最優(yōu)檢測效果[7]，加上行人之間的遮擋和行人被其他障礙物遮擋等因素，目前的行人檢測算法在擁擠情況下的漏檢率有待進(jìn)一步降低。為解決這一問題，該文在CSP[8]方法的基礎(chǔ)上，采用ResNet-50[9]網(wǎng)絡(luò)結(jié)構(gòu)與特征金字塔網(wǎng)絡(luò)(feature pyramid networks，F(xiàn)PN)[10]，將包含有較多位置信息的淺層特征層與包含較多語義信息的深層特征層相融合，最后用于預(yù)測的特征層既包含較多的行人位置信息也包含較多的行人語義信息。針對實(shí)際場景中行人尺度的多變性，該文采用多尺度預(yù)測方法，以適應(yīng)更多的行人尺度變化。由于擁擠情形下，行人預(yù)測框之間的相交面積與相并面積的比值(intersection over union，IoU)相對比較大，采用標(biāo)準(zhǔn)的非極大值抑制(non-maximum suppression，NMS)處理方法會抑制掉部分有效預(yù)測結(jié)果。因此，該文使用DIoU(distance-IoU)[11]的NMS算法對預(yù)測結(jié)果進(jìn)行處理，進(jìn)而保留更多有效預(yù)測。所有實(shí)驗(yàn)均在Cityperson[12]數(shù)據(jù)集上進(jìn)行訓(xùn)練和驗(yàn)證，結(jié)果表明該算法在行人擁擠情況下，較其他算法在嚴(yán)重遮擋評價(jià)指標(biāo)的漏檢率有所降低，同等實(shí)驗(yàn)條件下與CSP算法相比，行人嚴(yán)重遮擋和無遮擋的漏檢率均有所降低。

1 相關(guān)工作

1.1 行人檢測

行人檢測是指在圖像或視頻中找到行人的位置以及確定行人的尺寸，常見的行人檢測方法有傳統(tǒng)的基于滑動窗口的檢測方法、當(dāng)前基于預(yù)設(shè)錨框的檢測方法，以及基于關(guān)鍵點(diǎn)檢測的行人檢測方法。從有無預(yù)先設(shè)置錨框的角度，行人檢測方法可分為兩類：一類是基于錨框的行人檢測方法，另一類是無錨框的行人檢測方法。

1.2 Anchor-base檢測方法

基于Anchor-base檢測算法中，一個重要組成部分就是Anchor的設(shè)置，檢測之前要提前預(yù)設(shè)好Anchor的尺寸或者比例，檢測時(shí)根據(jù)預(yù)先設(shè)定好的Anchor進(jìn)行回歸。Faster-RCNN通過預(yù)先設(shè)定好Anchor的寬高比，然后通過推薦網(wǎng)絡(luò)生成可能與目標(biāo)匹配的錨框。Zhang等[12]調(diào)整了Faster-RCNN算法用于行人檢測；曾接賢[13]針對行人尺度較小情況下的誤檢問題，提出了融合多層特征的多尺度行人檢測算法；郭愛心[14]為提升中小尺度的行人檢測效果，提出了一種特征融合的多尺度行人檢測算法；劉丹[15]采用語義信息來監(jiān)督網(wǎng)絡(luò)訓(xùn)練，提出了具有魯棒性的行人檢測算法；Adaptive NMS[16]通過預(yù)測行人的密度，在檢測結(jié)果處理階段，根據(jù)行人的密度動態(tài)調(diào)整NMS的閾值，從而保留更多有效檢測框。以上基于Anchor的行人檢測算法，都需要預(yù)先設(shè)置好錨框，從而增加了算法的復(fù)雜度。

1.3 Anchor-free檢測方法

基于Anchor-free檢測算法省去了錨框尺寸的設(shè)定，檢測時(shí)直接回歸目標(biāo)的位置和邊框，簡化了算法，提高了檢測速度。近年來有研究者提出基于關(guān)鍵點(diǎn)檢測的Anchor-free檢測算法，比如CornerNet通過預(yù)測目標(biāo)左上角和右下角的坐標(biāo)，進(jìn)而確定目標(biāo)在圖像中的位置。ExtremeNet[17]通過檢測目標(biāo)上下、左右四個極值點(diǎn)的坐標(biāo)，從而確定目標(biāo)在圖像中的位置。TLL[18]提出了預(yù)測目標(biāo)上下兩個頂點(diǎn)的坐標(biāo)來確定目標(biāo)的位置,這些無錨框的目標(biāo)檢測算法在檢測速度上比基于錨框的目標(biāo)檢測算法更快，其檢測效果與基于錨框的目標(biāo)檢測算法相當(dāng)，甚至在某些應(yīng)用場景下其檢測效果超過基于錨框的目標(biāo)檢測效果。

最近Liu Wei等人提出了基于Anchor-free思想的CSP行人檢測算法，把行人的中心點(diǎn)和身高作為高級語義信息，通過預(yù)測行人的中心點(diǎn)位置和身高，根據(jù)行人身高和寬高固定比例生成行人預(yù)測框，整個算法流程中擺脫了錨框的生成，以及預(yù)測框與真實(shí)框之間的IoU計(jì)算，減少了算法的計(jì)算量，同時(shí)也取得了較好的檢測效果。但CSP行人檢測算法對不同尺度的行人采用統(tǒng)一尺度檢測器，由于大目標(biāo)和小目標(biāo)行人的自身尺度差異，使檢測效果不能達(dá)到最優(yōu)。在檢測結(jié)果的后續(xù)處理問題上，CSP行人檢測算法采用的是標(biāo)準(zhǔn)的非極大值抑制算法，閾值設(shè)定相對盲目，不能達(dá)到更有效的處理效果。張慶伍[19]采用特征融合和多尺度結(jié)合的Anchor-free行人檢測算法，在擁擠情況下產(chǎn)生了大量重復(fù)預(yù)測。針對以上問題，該文借鑒了FPN特征融合策略，采用多尺度預(yù)測方法，針對不同大小的行人采用不同的尺度預(yù)測分支進(jìn)行預(yù)測，然后綜合所有尺度的預(yù)測結(jié)果，通過DIoU-NMS后處理抑制掉重復(fù)預(yù)測框，降低行人漏檢率，提高算法的性能。實(shí)際檢測中，為了減少行人實(shí)際中心點(diǎn)位置與預(yù)測中心點(diǎn)位置的偏差，在檢測頭部分添加了中心點(diǎn)偏移分支，通過縮小兩者差距使檢測更加準(zhǔn)確。

2 算法設(shè)計(jì)

2.1 模型設(shè)計(jì)

整個行人檢測模型結(jié)構(gòu)一共包含四個部分：特征提取模塊、特征融合模塊、行人預(yù)測模塊和預(yù)測結(jié)果后處理模塊。特征提取模塊采用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行圖像特征提取操作，把圖像I作為輸入，每經(jīng)過一次卷積會形成一個特征層，整個卷積過程中圖像特征層的變化如下：

φi=fi(φi-1)=fi(fi-1(…f2(f1(I))))

(1)

其中，φi表示第i層的輸出特征層，fi表示對第i層特征的卷積、池化、歸一化、激活等操作。每個特征層包含了目標(biāo)的不同位置信息和語義信息，實(shí)際檢測中可以對不同特征層進(jìn)行融合，N層的特征層可用一個集合表示為：

Φ={φ1,φ2,…,φN}

(2)

其中，Φ表示特征層集合。用Φdet表示最終用于檢測的特征層集合，則Φdet={φl,φl+1,…,φN}，1

文中算法采用ResNet-50作為行人特征提取主干網(wǎng)絡(luò)，整個特征提取卷積層劃分為五個特征層，前四個特征層分別通過前一層下采樣操作得到當(dāng)前特征層，最后一層特征層通過前一層空洞卷積操作得到當(dāng)前特征層，最終得到五個特征層圖像尺寸分別為原圖像尺寸的1/4、1/16、1/64、1/256、1/256。特征融合模塊采用FPN特征融合策略，其特征融合過程為：使上層特征通過反卷積操作，把圖像的特征尺寸調(diào)整為下層特征尺寸大小，然后再與下層特征進(jìn)行相加融合。融合后的特征層通過一個3×3的卷積核進(jìn)行平滑操作，得到最終可以用于檢測的Φ2、Φ3、Φ4特征層。行人預(yù)測模塊通過三個1×1的卷積核，分別預(yù)測行人尺度(scale)、行人中心點(diǎn)(center)和中心點(diǎn)偏離(offset)。預(yù)測結(jié)果后處理模塊通過DIoU-NMS處理，去除同一個行人的重復(fù)預(yù)測框，得到最終的預(yù)測結(jié)果，整個行人檢測流程如圖1所示。

圖1 行人檢測流程

2.2 數(shù)據(jù)標(biāo)注

基于關(guān)鍵點(diǎn)的目標(biāo)檢測算法通常標(biāo)注的有目標(biāo)角點(diǎn)、目標(biāo)中心點(diǎn)、目標(biāo)中軸線、目標(biāo)四周的極值點(diǎn)等。文中算法采用的是行人的中心點(diǎn)和身高作為高級語義特征信息，把行人的中心點(diǎn)作為正樣本，標(biāo)注為1，其他位置坐標(biāo)作為負(fù)樣本，標(biāo)注為0。由于Cityperson數(shù)據(jù)集標(biāo)注的行人寬高比固定，因此，可根據(jù)行人高度預(yù)測結(jié)果自動計(jì)算出行人的寬度，再根據(jù)預(yù)測的行人中心點(diǎn)位置，進(jìn)而可以預(yù)測行人在圖像中的位置。實(shí)驗(yàn)中，輸入圖像由于下采樣操作，行人的中心點(diǎn)會變得不精確，為了減少中心點(diǎn)的模糊對網(wǎng)絡(luò)訓(xùn)練造成困難，以行人中心點(diǎn)為中心，生成一個2維的高斯熱圖Mij，如圖2所示，其表達(dá)式為：

圖2 行人高斯熱圖

(3)

(4)

其中，K表示一張圖像中行人的數(shù)量，(i,j)表示高斯熱圖的位置，(xk,yk,wk,hk)表示第k個目標(biāo)的中心點(diǎn)坐標(biāo)和寬高，(σw,σh)表示寬和高的協(xié)方差。從公式可以看出與目標(biāo)中心點(diǎn)的距離越近，數(shù)值越大，當(dāng)兩個高斯熱圖重疊時(shí)取兩者的最大值。

為了克服行人中心點(diǎn)的預(yù)測結(jié)果與實(shí)際中心點(diǎn)偏移問題，實(shí)驗(yàn)中，在檢測頭部分增加中心點(diǎn)偏移預(yù)測分支，通過最小化行人預(yù)測中心點(diǎn)與實(shí)際中心點(diǎn)兩者誤差損失，提高算法檢測精度。行人中心點(diǎn)實(shí)際位置與標(biāo)注的位置的偏移可以定義為：

(5)

其中，r為下采樣比率。

2.3 損失函數(shù)

文中算法總的損失函數(shù)包含三部分：行人中心點(diǎn)損失Lcenter、行人尺度損失Lscale、行人中心點(diǎn)偏移損失Loffset。由于輸入圖像中行人中心點(diǎn)相對于非行人中心點(diǎn)較少，從而造成正負(fù)樣本不均衡，不利于網(wǎng)絡(luò)模型的訓(xùn)練。為解決這一問題，Lin T等人[20]提出了Focal Loss方法來解決正負(fù)樣本不平衡問題。為此，中心點(diǎn)分類損失函數(shù)定義為：

(6)

(7)

(8)

其中，K表示一張圖像中行人的數(shù)量，W、H分別表示圖像的寬高，pij∈[0,1]表示預(yù)測坐標(biāo)點(diǎn)(i,j)屬于行人中心點(diǎn)的概率，β,γ是兩個超參數(shù)，實(shí)驗(yàn)中分別設(shè)置為β=4[6]、γ=2[20]，Mij表示(i,j)坐標(biāo)點(diǎn)的高斯熱圖。

使用L1損失函數(shù)計(jì)算行人尺度損失，其公式為：

(9)

其中，pk,tk分別表示第k個目標(biāo)的預(yù)測值與真實(shí)值。

使用SmoothL1損失函數(shù)計(jì)算偏移損失，其公式為：

(10)

其中，pk,tk分別表示第k個目標(biāo)的預(yù)測值與真實(shí)值。

綜上所述，總的損失函數(shù)L定義為：

L=λcLcenter+λsLscale+λoLoffset

(11)

其中，λc、λs、λo分別表示中心點(diǎn)損失、尺度損失和偏移損失的權(quán)重，實(shí)驗(yàn)中分別取值為0.01、0.05、0.1。

2.4 DIoU-NMS

標(biāo)準(zhǔn)NMS只考慮兩個檢測框的IoU，而忽略了兩個檢測框的相對位置，當(dāng)兩個檢測框的IoU相同時(shí)，兩個檢測框可能檢測的是同一個行人，也可能是不同的行人。這種情況下，為進(jìn)一步提升算法的檢測性能，該文采用DIoU-NMS對檢測結(jié)果進(jìn)行后處理。DIoU-NMS綜合考慮了兩個檢測框中心點(diǎn)的歐氏距離(d)與同時(shí)包含兩個檢測框的最小框的對角線距離(c)，如圖3所示。

圖3 DIoU建模

兩個檢測框的中心點(diǎn)歐氏距離的平方與同時(shí)包含兩個檢測框的最小框?qū)蔷€距離平方的比值RDIoU為：

(12)

其中，b1,b2分別表示兩個行人檢測框，c表示同時(shí)包含兩個行人檢測框的最小框?qū)蔷€距離，ρ(·)表示歐氏距離，兩個檢測框中心點(diǎn)的歐氏距離d2即為ρ2(b1,b2)。

行人檢測框得分si的計(jì)算公式為：

(13)

其中，M表示當(dāng)前取出得分最高的預(yù)測框，Bi表示與M相交的第i個預(yù)測框，ε表示設(shè)定的閾值。

從公式(12)與公式(13)可以看出，當(dāng)d2與c2的比值較小時(shí)，兩個預(yù)測框檢測的是同一個行人的可能性比較大，此時(shí)兩個預(yù)測框調(diào)整后的IoU依然較大，當(dāng)調(diào)整后的IoU大于設(shè)定的閾值ε時(shí)，檢測框得分設(shè)置為0，從而抑制重復(fù)預(yù)測框。當(dāng)d2與c2的比值較大時(shí)，兩個預(yù)測框預(yù)測的是不同行人的可能性比較大，此時(shí)兩個預(yù)測框調(diào)整后的IoU小于設(shè)定的閾值ε，檢測框的得分保持不變，從而保留更多有效預(yù)測結(jié)果。

3 實(shí) 驗(yàn)

3.1 數(shù)據(jù)集與訓(xùn)練設(shè)置

為對文中提出的算法進(jìn)行有效評估，訓(xùn)練和驗(yàn)證均在Cityperson數(shù)據(jù)集上進(jìn)行。Cityperson數(shù)據(jù)集是在Cityscapes數(shù)據(jù)集的基礎(chǔ)上建立起來的，它包含了18個不同城市、多種氣候環(huán)境下的行人數(shù)據(jù)。數(shù)據(jù)集包含19 238個行人，平均每張圖片上有6.47個行人，行人姿態(tài)多樣、密度較高、背景環(huán)境復(fù)雜。Cityperson數(shù)據(jù)集可分為訓(xùn)練集、驗(yàn)證集，其中訓(xùn)練集2 975張圖片，驗(yàn)證集500張圖片。數(shù)據(jù)集中行人真實(shí)位置標(biāo)注框的寬高比為0.41。文中實(shí)驗(yàn)均在kaggle平臺上進(jìn)行，實(shí)驗(yàn)環(huán)境為Tesla P100 16 GB的GPU。由于數(shù)據(jù)集中圖片尺寸為1 024×1 024像素的高清圖片，考慮到實(shí)驗(yàn)設(shè)備GPU內(nèi)存限制，實(shí)驗(yàn)中將圖片尺寸調(diào)整為640×1 280像素進(jìn)行訓(xùn)練，Batch size設(shè)置為2。驗(yàn)證模型時(shí)，行人寬高比r設(shè)置為0.40。為有效評估算法性能，實(shí)驗(yàn)中把在驗(yàn)證集上的測試結(jié)果分為兩個指標(biāo)，即嚴(yán)重遮擋(Heavy)和無遮擋(Bare)，分別得到對應(yīng)指標(biāo)的漏檢率(%)。

3.2 FPN特征融合結(jié)合多尺度特征預(yù)測

輸入圖像隨著網(wǎng)絡(luò)逐層的卷積、池化、激活等操作，淺層特征層包含了較多位置相關(guān)的特征信息，但缺乏語義特征信息。而深層特征包含了較多語義特征信息，但隨著逐層的池化、下采樣操作丟失了目標(biāo)的精確位置特征信息。為此，采用FPN特征融合模型，把淺層特征與深層特征結(jié)合起來，使用于檢測的特征層既具有豐富的位置特征信息又具有豐富的語義特征信息。

實(shí)際場景中行人的尺度是多樣的，為了對不同的行人尺度有更好的預(yù)測效果，文中采用多尺度預(yù)測方法，并探究不同尺度組合下的預(yù)測效果。實(shí)驗(yàn)中Φ2檢測特征層的高斯熱圖為原圖像的1/16，Φ3、Φ4檢測特征層的高斯熱圖為原圖像的1/64。

從表1可以看出，Φ3、Φ4兩個檢測層組合時(shí)，在Bare情況下行人預(yù)測效果最佳。Φ2、Φ3、Φ4三個檢測層組合時(shí)，在Heavy情況下行人預(yù)測效果最佳。由于多尺度預(yù)測會對同一個行人產(chǎn)生多次預(yù)測，因此最終的預(yù)測結(jié)果中存在較多的重復(fù)預(yù)測，所以需要對預(yù)測結(jié)果進(jìn)行后處理，以去除同一個行人的重復(fù)預(yù)測結(jié)果。圖4為Φ3、Φ4兩個預(yù)測層組合時(shí)的預(yù)測結(jié)果。

表1 不同特征層結(jié)合檢測對比 %

圖4 Φ3、Φ4特征層組合預(yù)測結(jié)果

3.3 預(yù)測結(jié)果后處理算法

卷積神經(jīng)網(wǎng)絡(luò)通過逐層提取圖像中行人的特征，進(jìn)而預(yù)測行人的中心點(diǎn)和身高，最終的預(yù)測結(jié)果再回歸到原圖像中，確定行人在原圖像中的真實(shí)位置。由于預(yù)測的結(jié)果中存在重復(fù)預(yù)測，所以需對預(yù)測結(jié)果進(jìn)行非極大值處理，去除重復(fù)預(yù)測是算法中不可缺少的一個重要組成部分。標(biāo)準(zhǔn)的NMS只考慮了兩個預(yù)測框的相交面積與相并面積之間的關(guān)系，而忽略了兩個預(yù)測框中心點(diǎn)的歐氏距離。DIoU-NMS綜合考慮兩個預(yù)測框的中心點(diǎn)歐氏距離與同時(shí)包含兩個檢測框的最小矩形對角線距離，對標(biāo)準(zhǔn)NMS進(jìn)行了優(yōu)化。為證明文中算法的有效性，采用同等實(shí)驗(yàn)條件下對CSP論文中的行人檢測算法進(jìn)行復(fù)現(xiàn)，與文中改進(jìn)后的行人檢測算法進(jìn)行對比，結(jié)果證明文中提出的算法在各種遮擋情況下，行人漏檢率均有所降低。實(shí)驗(yàn)結(jié)果如表2所示。

表2 同等實(shí)驗(yàn)條件下文中算法與CSP算法對比，DIoU-NMS與NMS實(shí)驗(yàn)對比 %

從表2可以看出，第一，同時(shí)使用標(biāo)準(zhǔn)NMS后處理方法，文中算法在Bare和Heavy兩個評價(jià)指標(biāo)上均比CSP的漏檢率低；第二，使用DIoU-NMS后處理方法相比于標(biāo)準(zhǔn)NMS的后處理方法，在Bare和Heavy兩個評價(jià)指標(biāo)上的漏檢率進(jìn)一步降低。標(biāo)準(zhǔn)NMS閾值設(shè)置固定，而且盲目，在擁擠情況下會抑制掉部分有效的預(yù)測框。而DIoU-NMS在實(shí)際處理過程中會動態(tài)地調(diào)整預(yù)測框的IoU，從而可以減少錯誤抑制有效的檢測框。圖5為采用標(biāo)準(zhǔn)NMS處理結(jié)果，圖6為采用DIoU-NMS處理結(jié)果，從兩者的處理結(jié)果可以看出，前者會抑制掉部分有效預(yù)測結(jié)果，出現(xiàn)漏檢現(xiàn)象，而后者保留了更多有效預(yù)測結(jié)果。

圖5 標(biāo)準(zhǔn)NMS抑制效果

圖6 DIoU-NMS抑制效果

3.4 閾值對嚴(yán)重遮擋和無遮擋的影響

多尺度行人預(yù)測會對同一個行人產(chǎn)生重復(fù)預(yù)測，擁擠情形下行人之間的相互遮擋比較嚴(yán)重，而且產(chǎn)生的預(yù)測框較多，框與框之間的IoU數(shù)值大。從圖7可以看出，在一定范圍內(nèi)隨著DIoU-NMS閾值的增大，嚴(yán)重遮擋(Heavy)的漏檢率先降低較快，后面保持平穩(wěn)。對于無遮擋(Bare)來說，開始隨著閾值的增大，漏檢率逐漸降低，當(dāng)閾值超過0.52之后，隨著閾值的增加，漏檢率不再降低，出現(xiàn)上下波動。因?yàn)樵跓o遮擋情況下行人密度小，閾值設(shè)置較大時(shí)將保留更多的重復(fù)檢測。

圖7 Heavy與Bare情況下漏檢率隨

3.5 行人檢測算法對比

文中提出的行人檢測算法以行人中心點(diǎn)和身高作為高級語義特征信息，采用FPN特征融合策略，結(jié)合多尺度預(yù)測方法對不同尺度的行人進(jìn)行預(yù)測，預(yù)測結(jié)果采用DIoU-NMS后處理方法抑制掉重復(fù)預(yù)測框，提高檢測效果。與其他行人檢測算法對比如表3所示。

從表3可以看出，文中提出的行人檢測算法在Heavy和Bare情況下，漏檢率較CSP算法均有所降低，在行人嚴(yán)重遮擋(Heavy)情況下的檢測效果較好，無遮擋(Bare)情況下漏檢率與其他行人檢測算法相比有所降低。因?yàn)樵瓐D像在逐層卷積、池化過程中，擁擠場景下的行人位置信息丟失較多，采用FPN特征融合策略，將包含較多位置信息的淺層特征與包含較多語義信息的深層特征融合，使預(yù)測特征層具有更多的行人特征信息，再結(jié)合多尺度預(yù)測方法，在擁擠場景下取得了較好效果。

表3 行人檢測算法對比 %

4 結(jié)束語

實(shí)際場景中由于行人之間的相互遮擋，給行人檢測帶來了困難，檢測時(shí)常常會出現(xiàn)誤檢和漏檢的問題。為解決這一問題，該文基于CSP改進(jìn)的擁擠情況下的行人檢測算法，利用ResNet-50作為主干網(wǎng)絡(luò)提取圖像特征，采用FPN特征融合策略進(jìn)行特征融合，結(jié)合多尺度預(yù)測方法對不同尺度的行人進(jìn)行預(yù)測，對預(yù)測結(jié)果采用非極大值抑制處理，在Cityperson數(shù)據(jù)集上進(jìn)行訓(xùn)練和驗(yàn)證。預(yù)測結(jié)果后處理過程中采用DIoU-NMS算法相比較于標(biāo)準(zhǔn)NMS算法，能夠根據(jù)兩個行人預(yù)測框的中心點(diǎn)距離，動態(tài)調(diào)整交并比，保留更多不同行人的有效預(yù)測框。同等實(shí)驗(yàn)條件下，該算法在擁擠場景下和無遮擋場景下行人漏檢率均有所降低。同時(shí)對不同的DIoU-NMS閾值，對嚴(yán)重遮擋和無遮擋的檢測效果進(jìn)行了研究，實(shí)驗(yàn)表明隨著閾值的增大，嚴(yán)重遮擋和無遮擋情況下的漏檢率均有所降低，當(dāng)閾值大于0.52時(shí)無遮擋的漏檢率出現(xiàn)輕微波動，而嚴(yán)重遮擋保持平穩(wěn)。實(shí)驗(yàn)中發(fā)現(xiàn)該算法會對部分非行人錯誤地預(yù)測為行人，以及遠(yuǎn)處遮擋的行人會出現(xiàn)漏檢現(xiàn)象，產(chǎn)生這些現(xiàn)象的原因是由于網(wǎng)絡(luò)提取的行人特征不夠充分。因此，下一步工作將探索更深層的網(wǎng)絡(luò)結(jié)構(gòu)用于提取更多行人特征，來提高行人檢測效果，降低漏檢率和誤檢率。