基于R-FCN的行人检测方法研究

Computer Engineering and Applications 计算机工程与应用

2018，54（18）1引言随着模式识别和机器视觉的发展，基于计算机视觉的目标检测技术得到了广泛的应用。行人检测作为目标检测的一种，在车辆辅助驾驶[1-4]、智能视频监控和人体行为分析[5]等领域有着广泛的运用。传统的行人检测依赖于图像特征的提取。为了实现行人的准确检测，各种各样的图像特征被应用到行人检测中，例如：HOG [6]（Histogram of Oriented Gradient ）特征、LBP [7-8]（Local

Binary Pattern ）特征、CENTRIST [9]（Census Transform Histogram ）特征等。自然环境中背景的复杂性，拍摄角度和距离，人体姿态多样性，遮挡等因素，往往导致提取特征的有效性难以保证，从而使得检测的精度无法满足实际应用需要。如何提高复杂场景下行人检测的精度，是目前目标检测领域的一个难点问题。

基于R-FCN 的行人检测方法研究

蒋胜，黄敏，朱启兵，王正来

JIANG Sheng,HUANG Min,ZHU Qibing,WANG Zhenglai

江南大学轻工业过程先进控制教育部重点实验室，江苏无锡214122

Key Laboratory of Advanced Process Control for Light Industry （Ministry of Education ）,Jiangnan University,Wuxi,Jiangsu 214122,China

JIANG Sheng,HUANG Min,ZHU Qibing,et al.Pedestrian detection method based on https://www.360docs.net/doc/8a18749914.html,puter Engi-neering and Applications,2018,54（18）：180-183.

Abstract ：Pedestrian detection is an active topic of research in computer vision.In order to implement the detection of pedestrian in complicated environments,Region-based Fully Convolutional Networks （R-FCN ）is proposed to pedestrian detection in this study.Addressed to occlusion,background interference and small objects in pedestrian detection,this paper changes the searching mechanism of R-FCN,and introduces area division for target pedestrian （upper part,lover part of pedestrian ）and reinforcement learning strategy of background interference,to strengthen the learning of occlusion and samples similar to the background.On this basis,the second-time classification on the output of the R-FCN is operated.The experimental results indicate that the improvement of R-FCN effectively solves the problem of missing and misclassi-fication from traditional R-FCN classifier under the condition of occlusion,background interference and small objects.Key words ：Region-based Fully Convolutional Networks （R-FCN ）;occlusion;background interference;second-time classification

摘要：行人检测是计算机视觉中的研究热点，为了实现复杂场景下的行人检测，将基于区域的全卷积网络（Region-based Fully Convolutional Networks ，R-FCN ）引入行人检测中。针对行人检测中的遮挡、背景混淆干扰、小目标这三个难点，修改了R-FCN 的搜索机制，引入目标行人的区域划分（上下半身）和背景混淆干扰行人的强化学习策略，加强了对遮挡行人和背景相似行人的学习。并在此基础上，对R-FCN 的输出进行二次分类学习。实验结果表明，通过对R-FCN 的改进，可有效地缓解行人遮挡、背景混淆干扰和小目标条件下，传统R-FCN 网络的漏报和误判问题。关键词：基于区域的全卷积网络（R-FCN ）；遮挡；背景混淆干扰；二次分类

文献标志码：A 中图分类号：TP 391.41doi ：10.3778/j.issn.1002-8331.1705-0363

基金项目：江苏省研究生培养创新工程（No.SJLX16_0498）；江苏省政策引导类计划(产学研合作)-前瞻性联合研究项目（No.

BY2016022-32）。

作者简介：蒋胜（1991—），男，硕士研究生，研究领域为检测与传感技术；黄敏（1974—），女，博士，教授，研究领域为图像处理，

E-mail ：huangmzqb@https://www.360docs.net/doc/8a18749914.html, ；朱启兵（1973—），博士，教授，研究领域为机器视觉与图像处理；王正来（1993—），男，硕士研究生，研究领域为检测与传感技术。

收稿日期：2017-05-26修回日期：2017-07-05文章编号：1002-8331（2018）18-0180-04

CNKI 网络出版：2017-11-17,https://www.360docs.net/doc/8a18749914.html,/kcms/detail/11.2127.TP.20171117.1720.008.html

180万方数据