밀집된 환경에서 보행자의 몸체가 가려지고 보행자의 크기가 다양하여 보행자 탐지 정확도가 저하되는 주요 원인입니다. 보행자의 머리 영역은 가림이 적어 보조 탐지에 활용될 수 있습니다. 이에 본 논문에서는 Faster R-CNN 알고리즘을 개선하여 머리와 전체 정보를 결합한 다중 스케일 보행자 탐지 알고리즘을 제안합니다. 먼저 좌표 주의 메커니즘을 융합한 재귀적 다중 스케일 특징 추출 네트워크를 설계하여 풍부하고 세밀한 다중 스케일 특징 정보를 확보하고 작은 규모 보행자 위치에 대한 네트워크의 민감성을 강화합니다. 이후 영역 제안 네트워크를 활용하여 보행자 머리와 전체 후보 박스를 동시에 생성하고 머리와 전체 이중 탐지 분기를 구축하여 공동 탐지를 수행합니다. 마지막으로 중첩이 심한 탐지 박스가 과도하게 억제되지 않도록 하는 적응형 공동 비최대 억제 알고리즘을 제안하여 두 탐지 분기에서 발생한 오검출 박스를 동시에 필터링하여 보행자 탐지 정확도를 더욱 향상시킵니다. 실험 결과, 제안된 알고리즘은 베이스라인 알고리즘 대비 CrowdHuman 데이터셋에서 평균 정확도를 2.9% 향상시키고 로그 평균 누락률을 4% 감소시켰으며, TJU-DHD-pedestrian 데이터셋의 두 개 소규모 하위 집합에서 로그 평균 누락률을 각각 2.4%와 2.2% 줄여 밀집된 환경에서의 제안 알고리즘의 유효성을 입증하였습니다.

보행자 탐지; 공동 탐지; 다중 스케일 특징 융합; 주의 메커니즘; 후처리 최적화