基于深度学习的遮挡行人检测研究

在行人检测中,行人间的相互遮挡是普遍存在的问题。基于此选用密集行人数据集WiderPerson作为训练集和验证集,来提高模型的泛化性。基于无锚框网络的目标检测算法YOLOX对遮挡问题展开研究。首先,基于HorNet网络对密集目标检测的有效性,设计了由HorNet和Darknet组成的主干网络。另外,在加强特征提取网络添加卷积注意力机制模块(convolutional block attention module, CBAM),提高由于遮挡引起的行人尺度不一的检测效果。实验结果表明,改进后的网络的平均检测精度提升了3.4%。