基于改进FCOS 的拥挤行人检测算法

齐鹏宇，王洪元，张继，朱繁，徐志晨

（常州大学 信息科学与工程学院，江苏 常州 213164）

行人检测属于计算机视觉领域一个重要的基础研究课题，对于行人重识别、自动驾驶、视频监控、机器人等领域有重要的意义[1-3]。而行人检测领域在实际场景下面临着行人交叠、遮挡等问题，此类问题依然困扰很多研究者，也是目前行人检测面临的巨大挑战。

在现有的目标检测算法[4]中，两阶段目标检测器(如Faster R-CNN[5]、R-FCN[6]、Mask RCNN[7]、RetinaNet[8]、Cascade R-CNN[9])精度高但速度稍慢，单阶段目标检测器(如YOLOv2[10]、SSD[11])速度快但精度稍低。Zhi 等[12]认为锚框(anchor)的纵横比和数量对检测性能影响较大，在需要预设候选框的检测算法中，这些anchor 相关参数需要进行精准的调整。而在多数的两阶段算法中，由于anchor 的纵横比不变，模型检测anchor 变化较大的候选目标时会遇到麻烦，特别是对于小目标的物体。多数检测模型需要在不同的检测任务场景下重新定义不同的目标尺寸的anchor，这是因为模型预定义的anchor 对模型性能影响较大。在训练过程中，大多数的anchor 被标记为负样本，而负样本的数量过多会加剧训练中正样本与负样本之间的不平衡。基于无预设候选框(anchor-free)的检测算法容易造成极大的正负样本之间不平衡，检测的精度也不如anchor-base算法。而近年来的全卷积网络(fully convolutional network，FCN[13])在众多计算机视觉的密集预测任务中取得了好的效果，例如语义分割、深度估计[14]、关键点检测[15]和人群计数[16]等。由于预设候选框的使用，两阶段检测算法取得了好的效果，这也间接导致了检测任务中没有采用全卷积逐像素预测的算法框架。……