基于YOLO的密集场景下行人检测方法研究.pdf

摘要

行人检测是指目标检测算法对图像或者视频中的行人目标进行分类和定位，是计算

机视觉领域的重要分支，常作为行人追踪、行人重识别等任务的前置环节，该技术被广

泛应用于自动驾驶、人流量检测等领域。在实际场景中制约行人检测效果的因素主要有

环境因素和行人因素。其中环境因素受摄像头取景的角度和高度不同、光线照射不足和

天气变化等因素的影响。行人因素受密集场景中行人相互遮挡、行人被物体遮挡、目标

尺寸过小和行人多姿态等因素的影响。其中密集场景下行人遮挡问题和小目标检测问题

最为突出。因此，本文针对密集场景下遮挡目标和小目标行人检测效果不佳的问题，提

出以下策略：

(1)提出基于多尺度特征融合的密集场景行人检测模型。首先对Darknet-53主干网

络进行改进，新增P2细粒化特征层，构建Darknet53-P2-FFL主干网络，该主干网络能

够更好的契合行人检测任务，着重提取小目标特征信息。其次融合特征网络部分选用

FPN+PAN双路径特征融合方式，并提出DSR-Block模块，在不增加额外参数的前提下

实现对各个有参层之间的特征复用。最后训练优化方面引入CIoU损失函数，其排斥因

子能够将预测目标远离非匹配框。经过MDCP数据集实验证明，该算法相较于YOLOv3，

平均准确率AP50和小目标准确率APS分别提升11.9个百分点和11.6个百分点。在

Crowdhuman公开数据集上平均准确率AP50达到86.79%和漏检率MR-2降至50.07%，

验证本方法的有效性。

(2)为实现移动端实时开展行人检测任务，本文以YOLOv4-tiny网络模型为基准，

针对轻量级算法面对遮挡目标检测能力较弱的缺陷，提出改进策略，设计出YOLO-AMF

算法。首先在主干网络引入大尺度特征图优化策略和金字塔池化模型，增强遮挡目标显

著区域特征；其次设计内嵌空间注意力的双路金字塔特征融合网络，提升浅层细节特征

与高级语义信息的融合能力；最后提出区域目标密度与边界框中心距离因子相关联的动

态NMS阈值设定方法，并在后处理阶段代替传统IoU-NMS算法，进一步减少漏检。在

MDCP和VOC数据集上的表现均优于现有YOLOv4-tiny算法，证明各项改进策略的有

效性。

(3)移动端部署。首先将YOLO-AMF算法进行TensorRT模型转换，进一步加快推

理速度，减轻模型体积；其次进行MAKE编译，将模型移植到搭载Linux系统的Jetson

nano智能控制板；最后通过双目摄像头实现离线推理。实验结果表明，移动端行人检测

能够有效检测出行人目标，且推理速度达到15-17FPS，满足实时行人检测任务。

关键词：行人检测，密集场景，遮挡目标，特征融合，自适应非极大抑制，实时检测

ABSTRACT

Pedestriandetectionreferstotheclassificationandlocalizationofpedestriantargetsin

imagesorvideosbytargetdetectionalgorithmsandisanimportantbranchinthefieldof

computervision,oftenusedasapre-requisitefortaskssuchaspedestriantrackingand

pedestrianre-identification,whichiswidelyusedinfieldssuchasautonomousdrivingand

pedestrianflowdetection.Themainfactorsthatlimittheeffectivenessofpedestriandetection

inpracticalscenariosareenvironmentalfactorsandpedestrianfactors.Theenvironmental

factorsareinfluencedbythediffer