基于优化可形变区域全卷积神经网络的人头检测方法

作     者：吉训生 王昊 Ji Xunsheng;Wang Hao

作者机构：江南大学物联网工程学院 

出 版 物：《激光与光电子学进展》 (Laser & Optoelectronics Progress)

年 卷 期：2019年第56卷第14期

页      面：121-131页

核心收录：

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：国家自然科学基金(61771223) 江苏省重点研发计划(SBE2018334) 

主　　题：图像处理 区域全卷积神经网络 人头检测 可形变卷积 

摘      要：人头检测技术是人数统计领域一项重要的研究内容,基于检测的人数统计方法常用于视频监控领域。人头检测常常受到遮挡、背景干扰、光照等因素影响。为解决上述问题,提出一种基于区域全卷积神经网络进行头部检测的方法。特征学习阶段通过残差网络和区域候选网络获得特征及感兴趣区域,并在残差网络中添加可形变卷积层。再将感兴趣区域输入池化层,进行可形变位置敏感均值池化。最后进行分类与目标位置精修,并提出将位置敏感感兴趣区域对齐并进行池化操作。为了改善网络在多尺度头部的检测效果,更新区域候选网络中锚点生成规则。利用在线难例挖掘算法提高复杂任务下头部目标的检测能力,通过软非极大值抑制减少检测边界框间的相互干扰。研究结果表明,在HollywoodHeads数据集上平均识别精度最高可达83.24%,优于目前相关文献的方法。