计算机应用

作者：邹斌, 张聪

单位：1.现代汽车零部件技术湖北省重点实验室(武汉理工大学),武汉 430070；2.汽车零部件技术湖北省协同创新中心(武汉理工大学),武汉 430070

关键词：密集人群检测,Faster R-CNN,注意力机制,多实例预测,加强的双向特征金字塔网络

基金：湖北省重点研发项目（2020BAB135）；新能源汽车科学与关键技术学科创新引智基地项目（B17034）。

为提高拥挤场景下的人群检测准确率，提出一种基于改进Faster R-CNN的密集人群检测算法。首先，在特征提取阶段添加空间与通道注意力机制，使用加强的双向特征金字塔网络（S-BiFPN）替代原网络中的多尺度特征金字塔（FPN），使网络对重要特征进行自主学习并加强对图像深层特征的提取；其次，引入多实例预测（MIP）算法对实例进行预测，以避免模型对拥挤场景下的目标造成漏检；最后，对模型中的非极大值抑制（NMS）进行优化，并额外增设一个交并比（IoU）阈值，以对检测结果的干扰项进行精确抑制。在开源的密集人群检测数据集上进行测试的结果显示，相较于原Faster R-CNN算法，所提算法的平均精度（AP）提升5.6%，Jaccard指数值提升3.2%。所提算法具有较高检测精度和稳定性，可以满足密集场景人群检测的需求。

来源：2023年第1期

《计算机应用》期刊编辑部

查看计算机应用杂志2023年第1期