Angesichts des Problems einer schlechten Erkennungsgenauigkeit aufgrund von Menschenansammlungen und gegenseitiger Verdeckung in komplexen natürlichen Szenen wird ein auf gewichteter Optimierung basierender YOLOv7-Algorithmus zur dichten Fußgängererkennung vorgeschlagen. Zunächst wird für das Problem der Merkmalsextraktion verdeckter Fußgänger ein effizienter Multiskalen-Aufmerksamkeitsmechanismus mit Querspatialem Lernen (Efficient Multi-Scale Attention Module with Cross-Spatial Learning, EMA) verwendet, um die Gewichte des Backbone-Netzwerks neu zu verteilen und die Korrelation zwischen Merkmalen unterschiedlicher Kanäle dimensionsübergreifend zu erlernen, um die Modellaufmerksamkeit auf sichtbare Bereiche des Zielobjekts zu stärken. Zweitens wird für das Problem der hohen Komplexität des Erkennungsmodells ein effizienter leichtgewichtiger Verbindungsmodul (Efficient Lightweight Connection Module, ELCM) entwickelt, der die Ausdrucksfähigkeit des Modells verbessert und gleichzeitig die Trainingsgeschwindigkeit erhöht. Schließlich wird eine fokussierte Begrenzungsrahmen-Verlustfunktion Focal-SIoU loss erstellt, die darauf abzielt, minderwertige Proben zu unterdrücken, und ein Winkelsverlust hinzugefügt, um die Erkennungsgenauigkeit des Modells zu verbessern. Die experimentellen Ergebnisse zeigen, dass der vorgeschlagene Algorithmus eine mittlere durchschnittliche Genauigkeit von 83,7 % bzw. 82,6 % auf den Fußgängererkennungsdatensätzen Wider-Person und Crowd Human erreicht und gegenüber anderen fortschrittlichen Algorithmen bei der Erkennung dichter Menschenmengen einen signifikanten Vorteil bietet.

Dichte Fußgängererkennung; optimierte Gewichte; fokussierte Begrenzungsrahmen-Verlustfunktion; YOLOv7