Dans les scènes denses, l’occultation du corps des piétons et la variation de leur échelle sont les principales causes de la baisse de précision de la détection des piétons. Étant donné que la région de la tête des piétons est moins occluse, elle peut être utilisée pour assister la détection. À cet égard, cet article améliore l’algorithme Faster R-CNN et propose un algorithme de détection multi-échelle des piétons basé sur la fusion des informations de la tête et de l’ensemble du corps. Tout d’abord, un réseau récursif d’extraction de caractéristiques multi-échelle intégrant un mécanisme d’attention coordonnée est conçu pour obtenir des informations riches et détaillées sur les caractéristiques multi-échelle et renforcer la sensibilité du réseau à la position des petits piétons. Ensuite, le réseau de propositions de régions génère simultanément des boîtes candidates pour la tête et pour l’ensemble du corps du piéton, et des branches de détection double pour la tête et le corps sont construites pour une détection conjointe. Enfin, un algorithme adaptatif de suppression non maximale conjoint est proposé afin d’éviter une suppression excessive des boîtes détectées fortement chevauchantes et de filtrer simultanément les faux positifs générés par les deux branches de détection, améliorant ainsi davantage la précision de la détection des piétons. Les résultats expérimentaux montrent que, par rapport à l’algorithme de base, l’algorithme proposé améliore la précision moyenne de 2,9 % sur le jeu de données CrowdHuman, réduit le taux d’omission logarithmique moyen de 4 % et réduit le taux d’omission logarithmique moyen de 2,4 % et 2,2 % respectivement sur deux sous-ensembles d’échelle réduite du jeu de données TJU-DHD-pedestrian, démontrant ainsi l’efficacité de l’algorithme proposé dans les scènes denses.

détection des piétons; détection conjointe; fusion des caractéristiques multi-échelle; mécanisme d’attention; optimisation du post-traitement