基于改进Faster-RCNN算法的边坡行人安全检测研究

当边坡出现地质灾害时,边坡上的滚石会对下方公路上的行人带来危险,造成人员伤亡和直接的经济损失。对此提出一种视觉行人检测算法,当检测有行人出现时进行警示,避免安全隐患。为提升视觉算法的检测精度,提出了一种改进的Faster-RCNN目标检测算法。首先,将最大池和平均池分别引入到ResNet残差结构中,保存更完整的特征信息;其次,提出Fpnc-ResNet50结构,在ResNet结构的基础上,融合多尺度特征和CBAM注意力机制,提高对小目标和行人遮挡问题的识别能力;最后,将EIoU损失与均方误差损失相结合,加快模型的收敛速度,提高模型在未知数据的检测效果,并进一步改善背景混乱下的行人遮挡问题。通过实验验证,本文提出的算法相比原算法在检测精度上提升了4.01%,有良好的实际应用效果。