基于CSP改进用于拥挤情况的行人检测算法

肖顺亮，强赞霞，刘卫光

(中原工学院 计算机学院，河南 郑州 451191)

0 引 言

行人检测技术在日常生活中应用越来越广泛，比如自动驾驶[1]、视频监控[2]、机器人路径规划、行人再识别技术中都涉及到行人检测问题。由于它具有极大的应用研究价值，越来越引起学术界和工业界的广泛关注。近年来随着神经网络的迅速发展，从传统的手工提取图像特征到通过神经网络提取图像特征的转变，行人检测的效率和准确率在标准数据集上有了很大提高。然而，在实际场景中由于行人之间的相互遮挡、行人被其他障碍物遮挡，以及行人尺度的多变性等因素，当前的行人检测算法常常会出现误检和漏检的情况[3]。因此，在拥挤条件下的行人检测技术仍面临着挑战，检测的误检率需要进一步降低。

行人检测可以看作是目标检测中的一类被检测对象，可以使用目前比较成功的目标检测算法。常见的目标检测算法可分成两大类：一类是基于锚框(Anchor-base)的目标检测算法，如以Faster-RCNN[4]为代表的two-stage检测方法和以SSD[5]为代表的one-stage检测方法。另一类是无锚框(Anchor-free)的目标检测算法，如基于关键点检测的CornerNet[6]目标检测算法。以上两类目标检测算法都成功应用于行人检测技术中，并取得了一定进展。

然而，在实际场景中由于行人自身尺度的多变性，单一尺度的行人检测算法无法适应不同的尺度，达不到最优检测效果[7]，加上行人之间的遮挡和行人被其他障碍物遮挡等因素，目前的行人检测算法在拥挤情况下的漏检率有待进一步降低。……