В условиях плотных сцен основными причинами снижения точности обнаружения пешеходов являются перекрытие тел пешеходов и различия в их масштабах. Поскольку область головы пешехода менее закрыта, её можно использовать для помощи в обнаружении. В связи с этим в данной работе была улучшена алгоритм Faster R-CNN и предложен алгоритм многоуровневого обнаружения пешеходов, основанный на совместном использовании информации о голове и общем контуре. Во-первых, разработана рекурсивная сеть извлечения многоуровневых признаков с интегрированным координатным механизмом внимания для получения богатой и детализированной информации многоуровневых признаков и повышения чувствительности сети к положению мелкомасштабных пешеходов. Затем с помощью сети региональных предложений одновременно генерируются кандидаты для головы и полного силуэта пешехода, строятся двойные ветви обнаружения для головы и для полного силуэта для совместного обнаружения. Наконец, предложен адаптивный совместный алгоритм подавления немаксимумов, который предотвращает чрезмерное подавление сильно перекрывающихся рамок и одновременно фильтрует ложные срабатывания из обеих ветвей обнаружения, что дополнительно повышает точность обнаружения пешеходов. Экспериментальные результаты показывают, что предложенный алгоритм улучшил среднюю точность на 2,9% на датасете CrowdHuman по сравнению с базовым алгоритмом, снизил логарифмический средний уровень пропусков на 4%, а на двух подвыборках с мелкими масштабами датасета TJU-DHD-pedestrian снизил логарифмический средний уровень пропусков на 2,4% и 2,2% соответственно, что доказывает эффективность предложенного алгоритма в плотных сценах.

обнаружение пешеходов;совместное обнаружение;слияние многоуровневых признаков;механизм внимания;оптимизация постобработки