密集したシーンでは、歩行者の体が遮蔽され、歩行者のスケールが異なることが歩行者検出精度の低下の主な原因となっています。歩行者の頭部領域は遮蔽が比較的少ないため、検出の補助に利用できます。そこで本論文では、Faster R-CNNアルゴリズムを改良し、頭部情報と全体情報を組み合わせた多尺度歩行者検出アルゴリズムを提案します。まず、座標注意メカニズムを融合した再帰的多尺度特徴抽出ネットワークを設計し、豊富で詳細な多尺度特徴情報を取得し、小規模歩行者の位置に対するネットワークの感度を高めます。次に、領域提案ネットワークを利用して、歩行者の頭部と全体の候補ボックスを同時に生成し、頭部と全体の二重検出ブランチを構築して共同検出を行います。最後に、重複の激しい検出ボックスが過度に抑制されないようにする適応的な結合非最大抑制アルゴリズムを提案し、両検出ブランチから生成された誤検出ボックスを同時に除去して歩行者検出の精度をさらに向上させます。実験結果は、ベースラインアルゴリズムと比較して、提案アルゴリズムがCrowdHumanデータセットで平均精度を2.9%向上させ、対数平均ミス率を4%低減し、TJU-DHD-pedestrianデータセットの2つの小スケールサブセットでそれぞれ2.4%と2.2%の対数平均ミス率低減を達成し、密集シーンにおける提案アルゴリズムの有効性を示しました。

歩行者検出;共同検出;多尺度特徴融合;注意機構;後処理最適化