结合多尺度反馈的行人头部检测

金兰英，路锦正，2

1(西南科技大学 信息工程学院，四川 绵阳 621010) 2(特殊环境机器人技术四川省重点实验室，四川 绵阳 621010) E-mail：1351877395@qq.com

1 引 言

随着深度学习的发展，基于深度学习的行人检测技术研究逐渐成为研究热点并得到了快速发展.当前行人检测技术广泛应用于智能视频监控跟踪、人脸识别、人群计数等诸多领域，对城市商业建设规划、人流量或交通流量管控、公共区域安全维护等具有重要的现实意义.

当前基于深度学习的目标检测方法主要分为以R-CNN系列[1-3]、SPPNet[4]、R-FCN[5]等为代表的Two-Stage目标检测算法和以SSD[6]、YOLO系列[7-9]、DenseBox[10]等为代表的One-Stage目标检测算法两类.Two-Stage目标检测算法将物体定位和识别分为两步完成，识别错误率低，漏检率较低，但速度较慢，在实时检测场景下效果较差.随之产生的One-Stage目标检测算法将物体定位和物体分类在一个步骤中完成，实现了对图像端到端的检测，整体流程较为简单，检测速度快，但检测准确率相比于Two-Stage模型略低.

基于以上讨论可知，当前的目标检测技术无论是在检测精度上还是检测速度上都具有较大的进步空间，目标检测算法研究依然是一项非常具有挑战性的课题.当下行人检测面临的困难主要包括如下几个方面：1)检测目标体态的多样性：行人由于运动造成身体姿态的多样性和拍摄角度造成的人体形态多样性最终导致的行人遮挡等；2)检测目标尺度的多样性：密集人群的小尺度行人检测和稀疏人群的大尺寸行人检测；3)目标检测场景……