一种基于SSD与FRN相结合的密集连接行人检测算法

摘要

现实场景行人的复杂性和多样性使得行人检测成为计算机视觉领域中一个既具有研究价值又极具挑战性的热门课题,为提高其准确性,提出一种基于SSD(Single Shot Multibox Detector)与FRN(Filter Re-sponse Normalization)相结合的密集连接行人检测算法,将串联式的SSD基础网络修改为引入上下文语义信息的多层融合的密集连接的FRN网络结构,运用聚类思想设置适宜行人尺度的候选框,并且根据行人尺寸的统计分布规律调整不同检测层的缩放因子,从而实现端到端训练.在融合数据集和VOC2007TEST数据集上验证该模型的性能,相比于SSD方法,该方法准确率AP(Average Precision)分别提高5.8％、2.9％,具有更高的准确性和鲁棒性.