结合语义分割和特征融合的行人检测方法

翟明浩，张 威，黄子龙，刘 晨，李 巍，曹 毅

(1. 江南大学 机械工程学院， 江苏 无锡 214122；2. 苏州工业职业技术学院， 江苏 苏州 215104)

行人检测旨在识别并定位图像中的行人目标，是计算机视觉领域的一个重要研究方向，被广泛应用于自动驾驶汽车、交通安防、视频监控、智能机器人等领域[1]，具有重要的研究意义。近年来，行人检测技术受到国内外学者的广泛关注。目前，行人检测方法主要有基于人工特征的检测方法和基于深度学习的检测方法两大类[2]。

基于人工特征的行人检测方法采用人工特征表征图像，使用高质量分类器实现行人检测。Dalal等[3]提出方向梯度直方图(histogram of oriented gradient，HOG)特征作为行人的特征表示，并使用支持向量机(support vector machine，SVM)分类器进行分类，成为行人检测领域的经典方法。Felzenszwalb等[4]使用可形变部件模型(deformable parts model，DPM)，结合Latent SVM，缓解遮挡问题，在保证实时性检测的同时可提高检测精度。Dollar等[5]提出聚合通道特征(aggregate channel feature，ACF)方法，提取多种通道特征构成特征金字塔，并通过AdaBoost分类器检测行人，极大地加快了行人检测速度。但是，上述方法依赖手工设计的特征，其泛化能力和稳健性较差，存在一定的局限性，对复杂场景下行人的表征能力不足。

近几年，随着深度学习技术的不断发展，卷积神经网络(convolutional neural network，CNN)因其强大的特征表征能力和泛化能力，在图像分类、目标检测、音频分类[6]等领域取得突破性进展。许多学者开始将CNN引入到行人检测领域，基于深度学习的行人检测方法逐渐成为主流。Ouyang等[7]提出JointDeep，将特征提取、变形处理、遮挡处理和分类等4部分结合在一起，形成一个联合的深度学习框架，提高了行人检测的精度。……