Em cenários densos, a oclusão do corpo dos pedestres e a variação nas escalas dos pedestres são as principais causas da redução da precisão na detecção de pedestres. Como a região da cabeça dos pedestres é menos obstruída, pode ser usada para auxiliar na detecção. Para isso, este artigo aprimora o algoritmo Faster R-CNN e propõe um algoritmo de detecção multiescala de pedestres baseado na combinação das informações da cabeça e do corpo inteiro. Primeiro, foi projetada uma rede recursiva de extração de características multiescala que incorpora um mecanismo de atenção coordenada, para obter informações ricas e detalhadas de características multiescala e aumentar a sensibilidade da rede à posição de pedestres em pequena escala. Em seguida, a rede de propostas de região gera simultaneamente caixas candidatas para a cabeça e para o corpo inteiro, e são construídos ramos duplos de detecção para cabeça e corpo para detecção conjunta. Por fim, é proposto um algoritmo adaptativo conjunto de supressão não máxima que evita a superpressão de caixas de detecção fortemente sobrepostas e simultaneamente filtra caixas de detecção falsas geradas por ambos os ramos de detecção, melhorando ainda mais a precisão da detecção de pedestres. Os resultados experimentais mostram que, em comparação com o algoritmo base, o algoritmo proposto aumentou a precisão média em 2,9% no conjunto de dados CrowdHuman, reduziu a taxa média logarítmica de omitidos em 4%, e reduziu a taxa média logarítmica de omitidos em 2,4% e 2,2% respectivamente em dois subconjuntos pequenos da base de dados TJU-DHD-pedestrian, comprovando a eficácia do algoritmo proposto em cenários densos.

detecção de pedestres; detecção conjunta; fusão de características multiescala; mecanismo de atenção; otimização de pós-processamento