摘 要：行人檢測(cè)技術(shù)結(jié)合行人跟蹤和行為分析等技術(shù)，可廣泛應(yīng)用在交通、安防和機(jī)器交互等與人們生活息息相關(guān)的領(lǐng)域，但行人的多尺度變化一直是行人檢測(cè)的難點(diǎn)。針對(duì)傳統(tǒng)RetinaNet算法在多尺度行人檢測(cè)過(guò)程中存在的誤檢、漏檢和檢測(cè)精度低等缺陷，提出一種改進(jìn)的RetinaNet算法來(lái)提升網(wǎng)絡(luò)模型的檢測(cè)能力。主要有以下兩方面創(chuàng)新：首先，為了獲取到更多的語(yǔ)義信息，采用多分支結(jié)構(gòu)來(lái)擴(kuò)展網(wǎng)絡(luò)，以提取不同深度下不同感受野的特征；其次，為了使模型更關(guān)注行人特征的重要信息，在模型預(yù)測(cè)頭部分嵌入雙池化注意力機(jī)制，增強(qiáng)通道間特征信息的相關(guān)性，抑制不重要的信息，以提高模型的檢測(cè)精度。在COCO等不同的數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)，結(jié)果表明，與傳統(tǒng)的RetinaNet模型相比，所提出的模型在各個(gè)評(píng)價(jià)指標(biāo)上均有所提升，具有良好的性能，可以滿足行人檢測(cè)的需要。

關(guān)鍵詞：行人檢測(cè)；RetinaNet；多分支結(jié)構(gòu)；行人特征；雙池化注意力機(jī)制；行人跟蹤；行為分析

中圖分類(lèi)號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2095-1302（2025）01-00-06

0 引 言

行人檢測(cè)是一項(xiàng)能夠從圖像或視頻中準(zhǔn)確地檢測(cè)出行人以及行人位置的技術(shù)，該技術(shù)可以應(yīng)用到生活中的各個(gè)領(lǐng)域，例如其在自動(dòng)駕駛和智能安防等領(lǐng)域都起到了重要的作用[1]。隨著人工智能的發(fā)展，深度學(xué)習(xí)技術(shù)越來(lái)越成熟，對(duì)當(dāng)今社會(huì)的發(fā)展具有重要的價(jià)值和意義?；谏疃葘W(xué)習(xí)技術(shù)的行人檢測(cè)已經(jīng)成為了當(dāng)前研究的熱點(diǎn)[2-3]，經(jīng)過(guò)不斷的創(chuàng)新和發(fā)展，已取得了較好的成果。按照不同的研究方法可以將行人檢測(cè)技術(shù)分為基于傳統(tǒng)特征提取的行人檢測(cè)和基于深度學(xué)習(xí)的行人檢測(cè)。

隨著神經(jīng)網(wǎng)絡(luò)的快速發(fā)展和廣泛應(yīng)用，目標(biāo)檢測(cè)方法的性能得到了很大程度的提升?；谏疃葘W(xué)習(xí)的目標(biāo)檢測(cè)算法可以分為2個(gè)階段：第一階段的SSD算法[4]、YOLO系列算法[5]、RetinaNet算法[6]等目標(biāo)檢測(cè)算法是基于邏輯回歸的檢測(cè)算法，檢測(cè)速度快，但精度較低；第二階段的R-CNN算法、Faster R-CNN算法[7]等是基于候選區(qū)域選擇的算法，檢測(cè)速度慢，但是精度高。因此，這兩類(lèi)算法各有優(yōu)缺點(diǎn)。隨著各項(xiàng)技術(shù)的不斷提高，研究者們開(kāi)始致力于突破行人檢測(cè)的難點(diǎn)。

行人的多尺度問(wèn)題一直是行人檢測(cè)過(guò)程中的難點(diǎn)，因?yàn)樵诓煌木嚯x和視角下，圖像或視頻中的行人呈現(xiàn)出的尺寸大小不一致，還伴隨著遮擋和圖像模糊的情況，不利于機(jī)器檢測(cè)。針對(duì)以上問(wèn)題，本文將RetinaNet模型應(yīng)用于行人檢測(cè)中，并在此基礎(chǔ)上提出了基于多分支結(jié)構(gòu)和雙池化注意力機(jī)制的RetinaNet行人檢測(cè)。本文的主要貢獻(xiàn)總結(jié)如下：

（1）通過(guò)添加多分支結(jié)構(gòu)來(lái)增強(qiáng)主干網(wǎng)絡(luò)和特征金字塔之間的聯(lián)系，擴(kuò)展網(wǎng)絡(luò)寬度，多方位提取不同深度下的多尺度行人特征信息，提升特征的表達(dá)能力。

（2）改進(jìn)了注意力機(jī)制，提出使用雙池化注意力機(jī)制來(lái)增加關(guān)鍵特征信息的權(quán)重，使模型更注重關(guān)鍵特征信息。

1 多分支結(jié)構(gòu)和雙池化注意力機(jī)制的RetinaNet算法

1.1 整體結(jié)構(gòu)

針對(duì)行人的多尺度問(wèn)題采用多尺度預(yù)測(cè)方法能解決部分困難。大尺度的行人特征明顯，經(jīng)過(guò)多次卷積后仍然能夠提取到語(yǔ)義信息；但小尺度的行人分辨率低，包含的特征信息少，存在著特征提取不充分或者經(jīng)過(guò)多次的卷積后語(yǔ)義信息丟失的問(wèn)題，容易導(dǎo)致漏檢。因此要采用合適的方法充分地提取多尺度行人的信息，保證語(yǔ)義信息不丟失。本文設(shè)計(jì)了圖1所示的網(wǎng)絡(luò)結(jié)構(gòu)，將多分支結(jié)構(gòu)應(yīng)用在RetinaNet模型中的主干網(wǎng)絡(luò)與特征金字塔之間，即在C3、C4、C5層的橫向連接處增加多分支結(jié)構(gòu)，以此充分提取并高效利用特征信息，增加特征的多元化。在淺層網(wǎng)絡(luò)，能夠捕獲細(xì)致的紋理信息；在中層網(wǎng)絡(luò)，通過(guò)多尺寸的感受野和池化操作可以捕獲多樣化的特征信息；在深層網(wǎng)絡(luò)，對(duì)抽象的特征進(jìn)行提取，既能夠增強(qiáng)網(wǎng)絡(luò)對(duì)不同尺度目標(biāo)的分析能力，又能夠加深和加寬網(wǎng)絡(luò)，進(jìn)而有效提取到多層次的信息。在特征金字塔與預(yù)測(cè)分支之間添加雙池化注意力機(jī)制，對(duì)每個(gè)經(jīng)過(guò)特征融合后的分支進(jìn)行信息篩選，使模型關(guān)注更有用的行人特征信息，增強(qiáng)網(wǎng)絡(luò)的檢測(cè)性能，使預(yù)測(cè)更加準(zhǔn)確。

1.2 多分支結(jié)構(gòu)

一般來(lái)說(shuō)，在神經(jīng)網(wǎng)絡(luò)模型中，通過(guò)擴(kuò)展模型深度和寬度能夠提高模型的表現(xiàn)能力，但也存在著副作用。由于隨著神經(jīng)網(wǎng)絡(luò)層次的加深，會(huì)產(chǎn)生許多參數(shù)，甚至導(dǎo)致過(guò)度擬合，由此一來(lái)不僅訓(xùn)練成本高，而且效率低。使用Inception網(wǎng)絡(luò)結(jié)構(gòu)則可以很好地解決這一問(wèn)題。不同于之前的大多數(shù)網(wǎng)絡(luò)直接將卷積層堆疊起來(lái)以得到深度的網(wǎng)絡(luò)，文獻(xiàn)[8] 提出利用Inception模型通過(guò)稀疏連接，設(shè)置多個(gè)不同尺度的卷積核并行結(jié)構(gòu)，再拼接特征，由此擴(kuò)大網(wǎng)絡(luò)的寬度和深度，使模型擁有更好的性能。通常使用大的卷積核能夠提取到距離像素點(diǎn)較遠(yuǎn)的信息，使用小的卷積核可以提取到距離像素點(diǎn)較近的信息。傳統(tǒng)意義上較大的卷積核具有更好的感受野，但是在運(yùn)算過(guò)程中容易丟失部分重要的信息。Inception網(wǎng)絡(luò)結(jié)構(gòu)通過(guò)分解卷積核將單個(gè)較大的卷積分解成對(duì)稱小卷積或者非對(duì)稱卷積，在增加網(wǎng)絡(luò)寬度和深度的同時(shí)減少參數(shù)量。采用分解卷積，在不改變感受野的同時(shí)，還能降低參數(shù)量，提升模型的非線性表征能力。使用3×1和1×3卷積連續(xù)滑動(dòng)后組合，其感受野等效于3×3卷積的感受野。

本文采用的多分支結(jié)構(gòu)如圖2所示，將輸入分成4個(gè)分支并行，每個(gè)分支先運(yùn)用1×1卷積獲取圖像的相關(guān)信息，減少特征通道數(shù)，降低維度；通過(guò)減少通道數(shù)來(lái)聚合信息，使特征在深度上被疊加。

在網(wǎng)絡(luò)中通過(guò)較小的卷積尺寸能夠更好地捕獲圖像相鄰區(qū)域的細(xì)節(jié)信息，并且信息相關(guān)性較高；再運(yùn)用多尺度卷積核在深度不一的網(wǎng)絡(luò)中進(jìn)行卷積，獲取多尺度的感受野，將細(xì)節(jié)特征轉(zhuǎn)換為高級(jí)語(yǔ)義特征；然后將從不同支路得到的結(jié)果按照通道拼接，聚合了所有分支的特征信息后得到多通道特征圖，最后輸出結(jié)果。

本文采用的特征融合方式是拼接，由于使用了較多的卷積來(lái)提取圖像信息，因此在維度上進(jìn)行疊加操作可以更有效地實(shí)現(xiàn)信息的完整融合。

多分支結(jié)構(gòu)表達(dá)式為：

（1）

式中：F表示卷積；X表示輸入圖像；Xi（i=1， 2， 3， 4）表示4個(gè)分支的結(jié)果；Xout表示輸出結(jié)果。多分支結(jié)構(gòu)的設(shè)計(jì)不是盲目地增加深度和寬度，而是通過(guò)Pooling操作來(lái)保持信息不變，起到防止信息丟失的作用；通過(guò)分解特征，充分利用信息，提高特征內(nèi)部的相關(guān)性；利用更小的卷積核進(jìn)行降維，使網(wǎng)絡(luò)的深度和寬度達(dá)到平衡。

1.3 雙池化注意力機(jī)制

特征層在不同的通道所攜帶的信息不同，通道相關(guān)性也不一樣，由于單一的池化操作不能完整地反映整個(gè)圖像的特征信息，容易導(dǎo)致部分重要信息丟失。鑒于此，結(jié)合全局平均池化和最大池化的作用，選擇雙池化的注意力機(jī)制來(lái)獲取更全面的特征信息。雙池化注意力模塊如圖3所示。

雙池化注意力模塊由3個(gè)并行的部分組成：

（1）第一個(gè)分支X1完成特征映射。

（2）第二個(gè)分支X2先進(jìn)行全局平均池化，全局平均池化讓卷積結(jié)構(gòu)更簡(jiǎn)單，能夠壓縮輸入特征，減少參數(shù)量，達(dá)到優(yōu)化網(wǎng)絡(luò)結(jié)構(gòu)、防止過(guò)擬合的目的，再依次經(jīng)過(guò)全連接層、激活函數(shù)、全連接層，如式（2）所示：

（2）

式中：FC表示卷積；X表示輸入圖像；α表示ReLU激活函數(shù)。

（3）第三個(gè)分支X3與第二個(gè)分支類(lèi)似，不同的是該分支采用了最大池化來(lái)聚合特征信息，學(xué)習(xí)新的權(quán)重，如式（3）所示：

（3）

最后將第二分支X2和第三分支X3所提取的特征逐元素相加融合，經(jīng)過(guò)Sigmoid激活函數(shù)，再將輸出與第一分支X1的原始特征結(jié)合進(jìn)行元素相乘，得到加權(quán)后的特征并輸出結(jié)果，用式（4）表示：

（4）

式中：β表示Sigmoid激活函數(shù)；Xout表示輸出結(jié)果。

雙池化注意力模塊的參數(shù)見(jiàn)表1。其中，H和W表示圖像的高和寬，C為通道，R為通道因子。

1.4 損失函數(shù)

模型的訓(xùn)練過(guò)程就是使誤差不斷減小的過(guò)程。本模型的訓(xùn)練采用的損失函數(shù)為定位損失和分?jǐn)?shù)損失函數(shù)。損失計(jì)算公式為：

（5）

定位損失函數(shù)Lreg采用的是smooth L1 Loss函數(shù)，具體公式為：

（6）

式中：x為預(yù)測(cè)框與真實(shí)框的差值。

分類(lèi)損失Lcls使用的是Focal Loss函數(shù)，具體公式如下：

（7）

pt （8）

式中：pt表示正樣本的概率；y表示真實(shí)標(biāo)簽的值；αt為調(diào)節(jié)因子，當(dāng)負(fù)樣本數(shù)較多、正樣本數(shù)較少時(shí)，可以用來(lái)改善正負(fù)樣本的分布權(quán)重；γ為聚焦參數(shù)，可有效降低較容易檢測(cè)樣本的權(quán)重，將訓(xùn)練過(guò)程集中于較難檢測(cè)的樣本。由此，通過(guò)Focal Loss函數(shù)解決了容易檢測(cè)和難檢測(cè)樣本的不平衡問(wèn)題，從而提升了模型的精度。經(jīng)過(guò)實(shí)驗(yàn)可知，αt=0.25、γ=2時(shí)，能提高正樣本的權(quán)重、減小負(fù)樣本的權(quán)重，達(dá)到較好的檢測(cè)效果。

2 實(shí)驗(yàn)結(jié)果與分析

2.1 實(shí)驗(yàn)環(huán)境

實(shí)驗(yàn)環(huán)境配置為：操作系統(tǒng)采用Windows；CPU采用Intel i7-8700處理器；GPU采用GTX1080 10 GB；深度學(xué)習(xí)框架采用Pytorch。

2.2 實(shí)驗(yàn)數(shù)據(jù)

為了豐富行人數(shù)據(jù)集，使結(jié)果更具有真實(shí)性，本實(shí)驗(yàn)使用不同的數(shù)據(jù)集進(jìn)行檢測(cè)。

數(shù)據(jù)集1是從COCO數(shù)據(jù)集和PASCAL VOC數(shù)據(jù)集中挑選出的帶有“person”標(biāo)簽圖片的混合數(shù)據(jù)集，共3 288張，包含了生活中各個(gè)場(chǎng)景和尺度的目標(biāo)圖像，并且按照8∶2劃分訓(xùn)練集2 630張，測(cè)試集658張。

數(shù)據(jù)集2是Caltech行人數(shù)據(jù)集，是由美國(guó)加州理工大學(xué)通過(guò)車(chē)載攝像頭拍攝的，圖片的分辨率為640×480，約含有25萬(wàn)張圖片、35萬(wàn)個(gè)行人框。將該數(shù)據(jù)集分為訓(xùn)練集和測(cè)試集。Caltech行人數(shù)據(jù)集的數(shù)據(jù)量較多，包含不同尺度的行人，本文選擇其中帶有標(biāo)簽“person”的圖片作為實(shí)驗(yàn)數(shù)據(jù)，其中4 310張圖片構(gòu)成訓(xùn)練集，4 225張圖片構(gòu)成測(cè)試集。根據(jù)文獻(xiàn)[9]，按照行人在圖像中的高度，將測(cè)試數(shù)據(jù)集劃分為多個(gè)不同尺度等級(jí)的子集，劃分準(zhǔn)則見(jiàn)表2。

2.3 實(shí)驗(yàn)參數(shù)

本文實(shí)驗(yàn)使用的模型是改進(jìn)的RetinaNet行人檢測(cè)算法模型。為了讓神經(jīng)網(wǎng)絡(luò)達(dá)到更好的預(yù)測(cè)效果，訓(xùn)練時(shí)的輸入圖像大小為512×51，batch為8，優(yōu)化器為Adam，初始學(xué)習(xí)率為1×10-4，學(xué)習(xí)率的下降方式使用余弦退火法，動(dòng)量為0.9，權(quán)重衰減為0。通過(guò)觀察本文算法在150個(gè)epoch訓(xùn)練過(guò)程中損失的變化判斷訓(xùn)練的效果。結(jié)果表明，隨著訓(xùn)練epoch的增加，Loss曲線呈現(xiàn)出下降的趨勢(shì)并且越來(lái)越平滑，在0.05左右趨于穩(wěn)定，達(dá)到收斂狀態(tài)，說(shuō)明在訓(xùn)練過(guò)程中效果達(dá)到最優(yōu)。

2.4 評(píng)價(jià)指標(biāo)

為了更好地評(píng)估網(wǎng)絡(luò)模型的檢測(cè)性能，針對(duì)不同的數(shù)據(jù)集，采用了不同的算法與評(píng)價(jià)指標(biāo)來(lái)驗(yàn)證模型。在混合數(shù)據(jù)集中，選擇以下指標(biāo)作為本模型的評(píng)價(jià)指標(biāo)：

（1）準(zhǔn)確率（Precision）：表示預(yù)測(cè)為行人的數(shù)量占原樣本行人的比例，其值越大說(shuō)明誤檢的目標(biāo)越少。表達(dá)式為：

（9）

（2）召回率（Recall）：表示行人數(shù)據(jù)集中行人被預(yù)測(cè)為正例的比例。表達(dá)式為：

（10）

式（9）和式（10）中：TP表示行人正樣本被正確檢測(cè)的數(shù)量；TN表示圖片中行人負(fù)樣本被正確檢測(cè)的數(shù)量；FN表示把真實(shí)行人樣本檢測(cè)為負(fù)樣本的數(shù)量；FP表示圖片中負(fù)樣本被檢測(cè)為正樣本的數(shù)量。

（3）F1分?jǐn)?shù)：是精確率和召回率的一種加權(quán)平均，即精確率和召回率的調(diào)和平均數(shù)。表達(dá)式為：

（11）

（4）AP：是在IOU閾值下的平均精度，表示被Precision與Recall曲線包圍的區(qū)域。表達(dá)式為：

（12）

（5）mAP：是全部目標(biāo)種類(lèi)的平均精度，此值越高，模型的識(shí)別精度越高。表達(dá)式為：

（13）

本文研究的檢測(cè)目標(biāo)僅有人，因此mAP等于AP。由式（13）可知，mAP結(jié)合了精確率和召回率，考慮到了假陽(yáng)性和真陽(yáng)性，因此大多數(shù)檢測(cè)模型使用該值作為合理的評(píng)價(jià)指標(biāo)。加入多分支結(jié)構(gòu)時(shí)，算法的mAP達(dá)到了78.87%，提高了0.19個(gè)百分點(diǎn)，增強(qiáng)了特征的表達(dá)能力，檢測(cè)性能得到小幅提升。加入注意力機(jī)制時(shí)，算法的mAP達(dá)到了79.42%，提高了0.74個(gè)百分點(diǎn)，召回率和準(zhǔn)確率提高了0.91個(gè)百分點(diǎn)和0.72個(gè)百分點(diǎn)，說(shuō)明注意力機(jī)制進(jìn)一步加強(qiáng)了重要特征權(quán)重。同時(shí)加入2個(gè)模塊時(shí)，整體mAP指標(biāo)達(dá)到了80.17%，提升了1.49個(gè)百分點(diǎn)，召回率提升了0.68個(gè)百分點(diǎn)，準(zhǔn)確率提升了2.1個(gè)百分點(diǎn)。 以上數(shù)據(jù)證明，各模塊都使模型性能有不同程度的提高，對(duì)于提升網(wǎng)絡(luò)性能方面有巨大幫助。

圖4所示的傳統(tǒng)RetinaNet與本文算法的可視化檢測(cè)結(jié)果更直觀地凸顯了本文算法在檢測(cè)性能上的優(yōu)勢(shì)。由圖4（a）可以看出，本文算法可以較好地檢測(cè)出遮擋的人和不同尺度的人。

2.5 在混合數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果

2.5.1 消融實(shí)驗(yàn)

為驗(yàn)證本文所添加的多分支結(jié)構(gòu)和雙池化注意力模塊對(duì)模型的作用，進(jìn)行消融實(shí)驗(yàn)。實(shí)驗(yàn)數(shù)據(jù)見(jiàn)表3。

2.5.2 對(duì)比實(shí)驗(yàn)

為證明上文提到的雙池化注意力機(jī)制模塊的效果，選擇SE和CBAM模塊做對(duì)比實(shí)驗(yàn)，實(shí)驗(yàn)檢測(cè)結(jié)果見(jiàn)表4。

從表4可以看出，3種注意力機(jī)制都可以使基礎(chǔ)RetinaNet的網(wǎng)絡(luò)檢測(cè)性能有所提升，而本文提出的雙池化注意力機(jī)制的mAP高于SE和CBAM模塊，表明其對(duì)行人特征信息的專(zhuān)注力更勝一籌。

本文算法與SSD算法的可視化檢測(cè)效果對(duì)比如圖5所示。

從與SSD的對(duì)比圖中可以看到，SSD算法對(duì)中小尺度行人的檢測(cè)效果不理想，小尺度行人的漏檢情況嚴(yán)重，而本文算法可以準(zhǔn)確地檢測(cè)出小目標(biāo)，在單階段的SSD算法中，本文提出的算法也有比較好的結(jié)果。同樣地，由圖6所示的本文算法與Faster R-CNN算法的可視化檢測(cè)效果對(duì)比情況可以看出，本文算法的檢測(cè)效果更好。

2.6 在Caltech數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果

Caltech數(shù)據(jù)集明確地區(qū)分了行人的尺度范圍，可以更好地了解各個(gè)尺度上行人的檢測(cè)情況[10-11]。改進(jìn)后的RetinaNet模型在各個(gè)尺度下的漏檢率都有不同程度的下降。在大尺度（Large）上的效果較好，漏檢率下降至0，在中尺度（Medium）上的漏檢率下降了0.72個(gè)百分點(diǎn)，在小尺度（Far）上的漏檢率下降了1.44個(gè)百分點(diǎn)，整體子集（All）下降了1.18個(gè)百分點(diǎn)。多分支結(jié)構(gòu)和注意力機(jī)制的加持讓RetinaNet模型的特征提取能力增強(qiáng)，能夠?qū)^為關(guān)注和感興趣的行人特征信息進(jìn)行精準(zhǔn)捕捉。

本文采用不同的算法在Caltech數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)，其中包括采用傳統(tǒng)的手工特征的方法：ACF、LDCF等，以及深度學(xué)習(xí)的方法：RPN+BF、MS-CNN等。本文提出的多分支結(jié)構(gòu)和注意力機(jī)制的算法（Multi Branch Structure and Attention Mechanism， MBSAE）與上述方法的漏檢率對(duì)比結(jié)果見(jiàn)表5。

采用本文算法和RetinaNet算法在Caltech數(shù)據(jù)集上的圖片檢測(cè)結(jié)果如圖7所示。

由圖7可知，當(dāng)遠(yuǎn)處多個(gè)小尺度的行人并排出現(xiàn)時(shí)，RetinaNet算法出現(xiàn)了嚴(yán)重的漏檢和誤檢情況，而本文改進(jìn)的算法能更好地檢測(cè)到遠(yuǎn)處與近處的行人，說(shuō)明本文提出的改進(jìn)方法具有更強(qiáng)的檢測(cè)能力。

經(jīng)過(guò)以上實(shí)驗(yàn)證明，通過(guò)多分支結(jié)構(gòu)設(shè)計(jì)多尺寸的卷積核能夠檢測(cè)到更多不同尺度的目標(biāo)，充分獲取圖像特征信息；注意力機(jī)制能夠抑制非相關(guān)的信息使模型對(duì)相關(guān)信息賦予更多的關(guān)注，增強(qiáng)模型的多尺度檢測(cè)能力。在數(shù)據(jù)集上的檢測(cè)結(jié)果充分證明，本算法能適應(yīng)多尺度的行人檢測(cè)，在檢測(cè)精度上有著明顯的效果，一定程度上證明了本文改進(jìn)的模型在行人檢測(cè)方面的適用性。

3 結(jié) 語(yǔ)

本文針對(duì)傳統(tǒng)的RetinaNet算法在多尺度行人檢測(cè)上的不足進(jìn)行改進(jìn)和優(yōu)化，通過(guò)添加多分支結(jié)構(gòu)作為特征增強(qiáng)模塊，增加了網(wǎng)絡(luò)的寬度，提升了模型的非線性表征能力，使其能夠提取豐富的多尺度特征。為了使模型能夠更專(zhuān)注地檢測(cè)重要信息，添加雙池化注意力模塊，抑制了不重要的信息，使模型的檢測(cè)準(zhǔn)確率得到進(jìn)一步提升。在公開(kāi)的數(shù)據(jù)集中將本文算法與其他算法進(jìn)行對(duì)比，本文算法的檢測(cè)精度達(dá)到了80.17%，充分證明了本模型擁有較好的檢測(cè)能力和較好的泛化能力。在今后的研究中，將繼續(xù)對(duì)模型進(jìn)行優(yōu)化，考慮采用遷移學(xué)習(xí)和對(duì)抗網(wǎng)絡(luò)的方法豐富數(shù)據(jù)集，提升模型的檢測(cè)精度和速度，繼續(xù)解決模型應(yīng)用于雨、霧、雪天等惡劣環(huán)境時(shí)的檢測(cè)難題，使其能更好地完成行人檢測(cè)的任務(wù)。

注：本文通訊作者為王智文、白云。

參考文獻(xiàn)

[1] REN J， HAN J. A new multi-scale pedestrian detection algorithm in traffic environment [J]. Journal of electrical engineering amp; technology， 2021， 16（2）： 1151-1161.

[2] NATAPRAWIRA J， GU Y， GONCHARENKO I， et al. Pedestrian detection using multispectral images and a deep neural network [J]. Sensors， 2021， 21（7）： 2536.

[3] JI Q G， CHI R， LU Z M. Anomaly detection and localisation in the crowd scenes using a block‐based social force model [J]. IET image processing， 2018， 12（1）： 133-137.

[4] ZHOU H， YU G. Research on pedestrian detection technology based on the SVM classifier trained by HOG and LTP features [J]. Future generation computer systems， 2021， 125： 604-615.

[5] HE L，WANG Y X， CHEN G Y. The hierarchical local binary patterns for pedestrian detection [C]//2021 5th CAA International Conference on Vehicular Control and Intelligence （CVCI）." Tianjin， China：IEEE， 2021： 1-8.

[6] KUMAR K， MISHRA R K. A heuristic SVM based pedestrian detection approach employing shape and texture descriptors [J]. Multimedia tools and applications， 2020， 79： 21389-21408.

[7] LI G， ZONG C， LIU G， et al. Application of Convolutional Neural Network （CNN）–adaboost algorithm in pedestrian detection [J]. Sensors and materials， 2020， 32： 1997-2006.

[8] SZEGEDY C， VANHOUCKE V， IOFFE S， et al. Rethinking the inception architecture for computer vision[C]//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. [S.l.]： IEEE， 2016： 2818-2826.

[9] MIHCIO LU M E， ALKAR A Z. Improving pedestrian safety using combined HOG and Haar partial detection in mobile systems [J]. Traffic injury prevention， 2019， 20（6）： 619-623.

[10]王子元，王國(guó)中.改進(jìn)的輕量級(jí)YOLOv5算法在行人檢測(cè)的應(yīng)用[J].數(shù)據(jù)與計(jì)算發(fā)展前沿，2023，5（6）：161-172.

[11]毛雨晴，趙奎.基于改進(jìn)YOLOv5的多任務(wù)安全人頭檢測(cè)算法[J].計(jì)算機(jī)工程，2022，48（8）：136-143.