基于自适应特征卷积网络的行人检测方法

摘要

针对行人检测方法未能充分利用卷积网络浅层特征的问题,改进Faster R-CNN框架,提出了一种基于自适应特征卷积网络的行人检测方法.该方法有两处改进:a)设计了SFCM模块,用于提取卷积神经网络浅层细节特征;b)引用挤压与激励操作设计了AFCM模块,用于筛选检测所需的强辨识力行人特征.此外,利用公开的Caltech和INRIA行人数据集,通过在基准框架中逐一添加SFCM和AFCM模块训练行人检测器,验证了所提模块的有效性,并对比了主流行人检测算法.实验结果显示,所提方法的误检率分别降到了9.13％和9.46％,具有更优的检测性能.