基于深度学习的行人检测技术研究

（南京理工大学紫金学院计算机学院，江苏南京 210023）

0 引言

行人检测一直是视频分析领域的研究热点和难点。行人检测技术指计算机对于给定的视频和图像，判断其中是否有行人存在，同时标记出行人位置［1］。行人检测技术具有很强的应用价值，它可以与行人跟踪、行人重识别等技术相结合，广泛应用于自动驾驶、道路监控、智慧城市等领域。传统的行人检测方法依靠人体自身的外观属性进行特征提取和分类。例如，通过颜色、边缘、纹理、运动等属性描述行人态势，并使用支持向量机（Support Vector Ma⁃chines，SVM）［2］、自适应提升（Adaptive Boosting，Ada⁃Boost）［3］等分类器判断特定区域是否存在行人目标。该类方法往往受限于特定环境条件，导致特征表达能力不足，无法满足实际场景应用要求。

长期以来，基于外观属性进行特征提取一直制约着行人检测发展，直到2012 年，Krizhevsky 等［4］应用深度卷积神经网络（Deep Convolutional Neural Networks，DCNN）取得了ILSVRC 比赛冠军，从此开启了基于深度学习的行人检测新篇章；黄同愿等［5］对基于深度学习的行人检测技术研究进展进行了综述。研究人员发现基于深度学习学到的特征具有很强的层次表达能力和很好的鲁棒性，可以更好地解决这类视觉问题。随着深度学习的不断发展，Faster-RCNN（Faster Region-based Convolutional Neural Net⁃works）［6］、FPN（Feature pyramid networks）［7］、SSD（Single Shot Detection）［8］、YOLO（You Only Look Once）［9］等优秀 的目标检测算法相继被提出，使行人检测技术得到了空前发展［10］。本文首先基于深度学习相关技术，分析经典的目标检测网络；然后，从视频分析角度，给出行人检测处理流程，并基于YOLO v3 进行了系统实现与验证；最后，结合实验结果，探讨了行人检测技术未来发展和进一步研究方向。……