基于部位感知的驾驶场景行人检测方法

作     者：詹智祺 程艳云 ZHAN Zhiqi;CHENG Yanyun

作者机构：南京邮电大学自动化学院、人工智能学院江苏南京210046 

出 版 物：《微电子学与计算机》 (Microelectronics & Computer)

年 卷 期：2024年第41卷第8期

页      面：31-39页

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 081104[工学-模式识别与智能系统] 08[工学] 0804[工学-仪器科学与技术] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 

基　　金：国家自然科学基金青年科学基金(62001247) 

主　　题：行人检测 特征融合 端到端目标检测 部位感知 任务感知注意力 

摘      要：针对驾驶场景下的行人检测面临的环境复杂、行人密集和尺度跨越大等问题,提出一种智能驾驶场景下的端到端行人检测方法。为减少特征金字塔直接对特征相加造成的信息损失,引入双向特征增强模块(Bidirectional Feature Enhancement Module,BFEM),在双向通道上使用级联融合增强各层特征包含的信息。针对检测器在行人遮挡场景下感知力不足的问题,提出一种注意力部位感知模块(Embedding-based Attention Part-aware Module,EAPM),模块使用任务感知注意力增强特征前景特性,同时为人体部位添加了可见性损失,以此来增强模型对人体结构的感知经验。此外,改进任务感知注意力结合空间分组思想,增强子特征信息,减少噪声干扰,以此增强检测器的分类能力。在CrowdHuman和Citypersons数据集上对模型进行评估,实验证明了方法的有效性,在CrowdHuman中与基线相比提升了2.39%的AP值、2.21%的Recall和3.08%的R_(M)^(-2)值,取得了91.55%AP,89.88%Recall和43.90%R_(M)^(-2)的结果,在Citypersons中取得了44.4R_(M)^(-2)的结果。