基于CapsNet的行人检测方法及评价

来源：交通运输系统工程与信息杂志2019年第3期北京时间：

作者：邵毅明，屈治华，邓天民，朱杰

单位：重庆交通大学 交通运输学院，重庆 400074

摘要：为了提高道路环境中行人目标检测的准确率，改善现有检测算法对不同环境视角下漏检率较高、耗时过长、实用性较差等问题，本文提出了一种基于 CapsNet的行人检测模型. CapsNet由神经元所构成的 Capsule组成，通过动态路由协议对物体的实例化参数进行表达和传递，保留了各特征对象间的空间层级，采用 Caltech公开数据库对所提算法的有效性进行验证，并在检测准确率及算法耗时等方面与其他算法进行对比.实验结果表明：相比于其他主流检测算法，本文算法在确保检测效率的前提下，对数平均漏检率最低可降至 9.17%；且在 Caltech、INRIA和 NICTA数据集的交叉验证实验中，也能达到良好的检测效果，具有较好的鲁棒性和泛化能力.

关键词：智能交通,行人检测,CapsNet,机器视觉,深度学习

基金资助：国家重点研发计划/ National Key Research and Development Program of China(2016YFB0100905)；重庆市科技人才培养计划/ Chongqing Science and Technology Talent Training Program(cstc2013kjrc-qnrc0148).