基于改进YOLOv3的密集行人检测

来源：电子测量技术杂志2021年第11期北京时间：

作者：邓杰，万旺根

单位：1. 上海大学 通信与信息工程学院 上海 200072;2. 上海大学 智慧城市研究院 上海 200072

摘要：行人检测是目标检测领域的一个重要分支，目前行人检测算法已经取得了较好的发展，但拥挤场景下存在着行人间的严重遮挡，这为检测任务带来了极大的挑战。为有效缓解该问题，本文在YOLOv3的基础上进行改进，提出单阶段密集行人检测算法：Crowd-YOLO，该算法将可见框标注信息加入到网络中，使网络同时预测全身框与可见框信息从而提升检测性能；提出时频域融合注意力模块（TFFAM），将频域通道注意力和空间注意力加入到网络中重新分配特征权重；采用数据关联型上采样代替传统的双线性插值，使深层特征图获取更为丰富的信息表达。本文使用非常具有挑战性的大型拥挤人群场景数据集CrowdHuman进行训练和测试，实验结果表明，本文所提方法比基础网络在AP50指标上提高了约3.7%,在召回率（Recall）指标上提高了3.4%，其中时频域融合注意力模块为网络带来了2.3%AP的性能增益。实验结果验证了本文所提方法在拥挤人群场景下的有效性。

关键词：行人检测;遮挡问题;YOLO;融合注意力;数据关联型上采样

基金资助：上海市科委港澳台科技合作项目（18510760300）、中国博士后基金项目（2020M681264）资助