多尺度特征融合增强的行人翻越护栏检测

来源：电子测量技术杂志2024年第14期北京时间：

作者：刘罡，侯恩翔，黄孙港，闫曙光，黄应征

单位：1.无锡学院江苏省集成电路可靠性技术及检测系统工程研究中心 无锡 214105; 2.南京信息工程大学电子与信息工程学院 南京 210044

摘要：针对行人翻越护栏检测在遮挡、多目标密集以及多人翻越的复杂场景下出现的漏检、误检和检测精度低的问题，提出了一种多尺度特征融合增强的行人翻越护栏检测算法。首先，设计了一种基于Dual Vision Transformer和SCConv构建的SCDVT模块，应用于主干网络，增强了对全局上下文信息和更细粒度信息的捕获，提升了网络的局部精细特征提取和特征融合能力；其次，提出多尺度特征融合增强模块AM-SPPFCSPC，弥补了最大池化带来的特征损失，提高了特征图的丰富性和完整性，增强了多尺度特征提取和特征融合能力；另外，对特征融合层再进行细化，使用GSConv替换普通卷积,并基于GSConv和SCConv设计了VOV-GSCCSP模块，有效的降低了计算成本和模型的复杂度，同时又保持较高的精度；最后在主干引入高效多尺度注意力EMA，减少了复杂背景下无关目标的干扰，融合了多尺度信息，实现了更丰富的特征聚合。在自制行人翻越护栏数据集上的实验结果表明,本文所提算法在增加较少参数量的情况下，其mAP达到了93.6%，较原模型提高了4.5%，并且检测速度为108.5 FPS，改善了漏检、误检和检测精度低的问题，同时仍具有较高的实时性，更适用于行人翻越护栏的实时性检测。

关键词：翻越护栏检测;Dual Vision Transformer;特征融合增强;EMA

基金资助：国家自然科学基金(62204172)项目资助