基于改进CenterNet行人检测研究

作     者：金梅 秦芊 张立国 JIN Mei;QIN Qian;ZHANG Liguo

作者机构：燕山大学电气工程学院河北秦皇岛066004 燕山大学河北省测试计量技术与仪器重点实验室河北秦皇岛066004 

基　　金：河北省自然科学基金资助项目(F2020203058,E2018203339) 国家重点研发计划资助项目(2020YFB1711000) 

出 版 物：《燕山大学学报》 (Journal of Yanshan University)

年 卷 期：2023年第47卷第3期

页      码：208-215页

摘      要：针对现有的CenterNet模型在行人检测中由于人体遮挡以及人体姿态多变等所引起的模型精度下降的问题,本文从三个方面对CenterNet进行改进。一是在原CenterNet基础之上设计了特征融合模块,该模块引入了反转卷积,从通道这一角度提取特征并与原特征进行融合,丰富了图像的特征表示,使其更好地定位到人体区域;二是提出了一种带有非局部注意力的检测头,通过计算特征图全局像素与当前特征像素相似度,从而对遮挡目标进行区分;三是对损失函数进行改进,将两项损失函数合并成一项,有效地减少了级联误差。实验结果表明,改进的CenterNet在WiderPerson数据集上的平均精度提升了3.29%,漏检率下降了3.26%。在数据集Human detection and tracking using RGB-D camera上的平均精度提升了2.66%,漏检率下降了2.46%。与原CenterNet相比,改进的CenterNet解决了该模型应用于行人检测中精度低的问题。

主 题 词：深度学习 目标检测 行人检测 注意力 

学科分类：1305[艺术学-设计学类] 13[艺术学] 08[工学] 081104[081104] 0804[工学-材料学] 081101[081101] 0811[工学-水利类] 

D　O　I：10.3969/j.issn.1007-791X.2023.03.003

馆 藏 号：203122192...