改进Faster R-CNN在两轮车辆载人检测中的应用

作者：邝先验; 陈涛; 周亚龙; 欧阳鹏

来源：河南科技大学学报(自然科学版), 2021, 42(01): 48-53+5.

DOI：10.15926/j.cnki.issn1672-6871.2021.01.008

• 深度学习
• 两轮车
• 人头
• Faster R-CNN
• 目标检测
• 区域生成网络
• 特征融合

针对交通场景复杂、人头尺寸偏小、乘客重叠等因素导致的两轮车辆载人检测经常出现的乘客漏检问题,设计了一种改进的Faster R-CNN检测模型。该模型以GoogLeNet为特征提取网络,修改了区域生成网络中候选框尺寸,采用特征融合策略,使得模型对小目标更加灵敏。针对乘客重叠导致的漏检问题,模型采用柔和的非极大值抑制(Soft-NMS)算法替换原始Faster R-CNN中的非极大值抑制(NMS)算法。实验结果表明:改进后算法可以解决两轮车上乘客检测问题,在两轮车辆载人数据集上获得了91.33%的检测精度和96.76%的召回率。

• 单位
  自动化学院; 江西理工大学