基于多尺度加权特征融合网络的地铁行人目标检测算法
Metro Pedestrian Detection Algorithm Based on Multi-scale Weighted Feature Fusion Network作者机构:北方工业大学信息学院北京100144 中国石油管道局工程有限公司国际事业部北京065000 北京城建设计发展集团股份有限公司城市轨道交通绿色与安全建造技术国家工程实验室北京100037
出 版 物:《电子与信息学报》 (Journal of Electronics & Information Technology)
年 卷 期:2021年第43卷第7期
页 面:2113-2120页
核心收录:
学科分类:0711[理学-系统科学] 0808[工学-电气工程] 07[理学] 0809[工学-电子科学与技术(可授工学、理学学位)]
基 金:北京市自然科学基金(4192002) 北方工业大学科研启动基金。
摘 要:随着地铁乘客的大量增加,实时准确地监测地铁站内客流量对于保证乘客安全具有重要意义。针对地铁场景复杂、行人目标小等特点,该文提出了多尺度加权特征融合(MWF)网络,实现地铁客流量的精准实时监测。在数据预处理阶段,该文提出过采样目标增强算法,对小目标占比不足的图片进行拼接处理,增加小目标在训练时的迭代频率。其次,在单镜头多核检测器(SSD)网络基础上添加了基于VGG16网络的特征提取层,将不同尺度的特征层以不同方式进行加权融合,并选出最优的特征融合方式。最终,结合小目标过采样增强算法,得到多尺度加权特征融合模型。实验证明,该方法与SSD网络相比,在保证实时性的同时,检测精度提升了5.82%。