基于Faster R-CNN的密集人群检测算法

作     者：邹斌 张聪 ZOU Bin;ZHANG Cong

作者机构：现代汽车零部件技术湖北省重点实验室(武汉理工大学)武汉430070 汽车零部件技术湖北省协同创新中心(武汉理工大学)武汉430070 

出 版 物：《计算机应用》 (journal of Computer Applications)

年 卷 期：2023年第43卷第1期

页      面：61-66页

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

基　　金：湖北省重点研发项目(2020BAB135) 新能源汽车科学与关键技术学科创新引智基地项目(B17034)。 

主　　题：密集人群检测 Faster R-CNN 注意力机制 多实例预测 加强的双向特征金字塔网络 

摘      要：为提高拥挤场景下的人群检测准确率,提出一种基于改进Faster R-CNN的密集人群检测算法。首先,在特征提取阶段添加空间与通道注意力机制,使用加强的双向特征金字塔网络(S-BiFPN)替代原网络中的多尺度特征金字塔(FPN),使网络对重要特征进行自主学习并加强对图像深层特征的提取;其次,引入多实例预测(MIP)算法对实例进行预测,以避免模型对拥挤场景下的目标造成漏检;最后,对模型中的非极大值抑制(NMS)进行优化,并额外增设一个交并比(IoU)阈值,以对检测结果的干扰项进行精确抑制。在开源的密集人群检测数据集上进行测试的结果显示,相较于原Faster R-CNN算法,所提算法的平均精度(AP)提升5.6%,Jaccard指数值提升3.2%。所提算法具有较高检测精度和稳定性,可以满足密集场景人群检测的需求。