基于改进ResNet-CrowdDet的密集行人检测算法

来源：计算机工程与应用杂志2023年第16期北京时间：

作者：韩文静, 何宁, 刘圣杰, 于海港

单位：1.北京联合大学 智慧城市学院，北京 100101；2.北京联合大学 北京市信息服务工程重点实验室，北京 100101

摘要：行人检测在自动驾驶、客流量统计、智能监控等很多领域被应用。这些场景中行人大多是密集的，存在多尺度、多姿态和遮挡等问题，使得目前的密集行人检测算法存在检测精度较低、漏检率较高等问题。基于ResNet-50-FPN的CrowdDet算法可以解决密集遮挡问题，在CrowdHuman数据集上得到了很好的结果。以此为基线检测器，提出了改进算法。该算法包含两个模块，即BoINet（bottleneck involution network）的骨干网络和DHCDet（double-head CrowdDet）的稀疏检测头部。与只使用了具有局域性和学习到静态参数的卷积的基线ResNet不同，BoINet将能够远距离交互的Involution动态卷积纳入到提取特征的任务中，增强行人特征的表达能力；DHCDet使用了Double-Head结构改进CrowdDet算法，并将Double-Head中的自注意力机制NL（non-local）替换为SNL（spectral non-local），进一步提升检测器的分类与回归的性能。该改进方法在CrowdHuman数据集上AP为91.15%，MR-2为39.74%，同时JI为83.60%，取得了比基线检测器更好的检测精度和更低的漏检率。

关键词：密集行人检测,增强特征表达,BoINet,提升分类回归性能,DHCDet