基于改进Faster R-CNN算法的行人检测

单志勇，张鐘月

（东华大学信息科学与技术学院，上海201600）

0 引言

随着智能科技的进步和社会科学潮流的发展，在生活很多的应用中都可以看到智能化技术的身影，基于视觉的行人检测是智能监控、智能驾驶、无人驾驶等领域的重要组成部分。行人检测属于是目标识别领域的研究热点及难点，在生活中有广泛的应用。准确的检测出各类场景中的行人在监控等技术领域上具有重要意义。20世纪80年代，Marr提出了相对完整的计算机视觉理论体系[1]。运动目标的跟踪技术发展是从20世纪80年代开始的，并且成为了计算机视觉技术领域研究的一大热点。

行人检测也就是对图像中的行人进行检测和识别，与此同时确定其行人在图像中所处位置进行定位。行人检测算法大致可以分为以下几类，分别是基于背景建模、轮廓模板、底层特征和统计学习。基于Codebook背景建模算法是通过提取运动前景，缩小检测过程的搜索范围,构建临时块模型，结合行人检测结果更新背景模型，以此来实现行人检测[2]。全局模板法是由Gavrila等人所提出的，该方法构建了近2500个轮廓模板用来对行人进行识别[3]。局部模板法是由Broggi等人提出的，该方法采取一种提取人的头以及肩部的不同大小的二值图像特征模板来进行行人检测识别功能[4]。这种方法是在原本的图像上进行计算，缺点是需要提前构建大量的行人检测模板才能取得比较好的匹配结果。目前所存在的行人检测方法主要有以下几个不足之处：①底层特征的使用对行人的检测能力不足；……