改进的Cascade RCNN行人检测算法研究

作者：刘艳萍; 刘甜

来源：计算机工程与应用, 2021, 1-10.

• 行人检测
• 特征增强
• 特征金字塔
• 全连接层
• 解耦的回归与分类分支

在复杂路况下的行人检测中，行人尺寸变化大。导致小尺寸行人漏检率高，增加了行人检测的难度。为了降低行人检测漏检率，提高行人检测精度，本文在Cascade RCNN（级联区域卷积神经网络）的基础上，将浅层特征与深层特征融合，进行深层特征对浅层特征的特征增强，提高深层信息的利用率，并且增加了一条浅层到深层的通道，将浅层信息直接向上进行传递，提高浅层空间信息的利用率；将行人分类和预测框回归的全连接层改为解耦的回归与分类分支，更加稳健的进行分类和回归整个边界框。在Caltech和ETH行人数据集上进行实验，结果表明，改进的Cascade RCNN与原Cascade RCNN相比，在Caltech行人数据集中大中小尺寸行人漏检率分别降低了7.9%、11.4%和9.1%，平均精度均值提高了3.0%；在ETH行人数据集中漏检率降低了5.6%，平均精度均值提高了2.3%。

• 单位
  电子信息工程学院; 河北工业大学