基于特征融合的尺度感知行人检测

摘要

针对复杂交通场景下行人检测算法对小尺度行人检测效果不佳的问题,提出了一种基于特征融合的尺度感知行人检测算法。采用RetinaNet作为基础网络,改进主干网络结构以及特征融合方式,使其更适合小尺度行人;同时利用环境信息为小尺度行人设计专门的检测模块。此外,改进传统的回归损失函数使其能够根据行人尺度大小自适应的调整权值,从而更加关注小尺度行人的损失。在Caltech Pedestrian和CityPerson数据集上的消融实验证明了该算法相对于基准方法的效果与优势;在Caltech数据集上的对比实验结果表明,与RetinaNet等8种行人检测算法相比,该算法对不同尺度行人均具有较好的检测精度。尤其是针对小尺度行人,算法优势巨大,其平均对数漏检率仅为76.01%,优于其他算法14%以上。