计算机应用

作者：朱繁, 王洪元, 张继

单位：常州大学 信息科学与工程学院, 江苏 常州 213164

关键词：Mask R-CNN,行人检测,K-means算法,细粒度,全卷积网络

基金：国家自然科学基金资助项目（61572085）。

针对复杂场景下行人检测效果差的问题，采用基于深度学习的目标检测中领先的研究成果，提出了一种基于改进Mask R-CNN框架的行人检测算法。首先，采用K-means算法对行人数据集的目标框进行聚类得到合适的长宽比，通过增加一组长宽比（2：5）使12种anchors适应图像中行人的尺寸；然后，结合细粒度图像识别技术，实现行人的高定位精度；其次，采用全卷积网络（FCN）分割前景对象，并进行像素预测获得行人的局部掩码（上半身、下半身），实现对行人的细粒度检测；最后，通过学习行人的局部特征获得行人的整体掩码。为了验证改进算法的有效性，将其与当前具有代表性的目标检测方法（如更快速的区域卷积神经网络（Faster R-CNN）、YOLOv2、R-FCN）在同数据集上进行对比。实验结果表明，改进的算法提高了行人检测的速度和精度，并且降低了误检率。

来源：2019年第11期

《计算机应用》期刊编辑部

查看计算机应用杂志2019年第11期