改进RT-DETR的密集行人检测算法

来源：电子测量技术杂志2025年第21期北京时间：

作者：李青云，魏佳

单位：陕西理工大学数学与计算机科学学院 汉中 723001

摘要：针对密集行人检测中因高遮挡和尺度变化较大而导致的易漏检和精度低问题，本文提出了一种高效的面向复杂场景密集行人检测的RTDETR改进算法RSHRTDETR。首先提出Regocn模块改进backbone,使用有限的普通卷积进行特征提取，随后进行线性变换操作，同时在在梯度流通分支上使用RepConv弥补舍弃残差块所带来的性能损失并增强特征提取和梯度流通的能力，在降低计算量和参数量的同时更好的对不同尺度的目标进行检测；其次在颈部引入160×160的S2检测层，通过优化特征融合过程，增强对小尺度行人目标的检测性能；最后采用Haar小波下采样模块(HWD)，以扩大感受野、降低模型复杂度、提升对遮挡行人目标的检测精度。在CrowdHuman数据集做消融和对比实验，mAP50达到了86.6%，mAP50.95达到了57.8%，相比于原算法mAP50提高了1.2%, mAP50.95提高了1.9%，参数量下降40%。在Widerperson数据集上也优于RT-DETR算法。实验结果显示，RSH-RTDETR相比RTDETR-R18模型在降低参数量的同时提高了密集行人检测的准确率，也优于其他算法。本文改进算法在保证高精度的同时也实现了轻量化，在复杂场景下的密集行人检测任务中具有优异的性能。

关键词：密集行人检测;RT-DETR;深度学习;多尺度;轻量化

基金资助：陕西省教育厅专项科研计划项目（23JK0363）、陕西省技术创新引导专项（2022YFBT-53-02）、陕西理工大学校企合作项目（H20240246）资助