街路など多人数流動シーン画像における人の密集、姿勢変化の多さ、人体の遮蔽が深刻なことによる歩行者検出の見逃し問題に対し、多分岐アンカーフレームレスネットワーク（MBAN）歩行者検出手法を提案する。まず、検出モデルのバックボーンネットワークの後に多分岐ネットワーク構造を追加して歩行者の複数の重要領域局所特徴を検出する；次に、重要領域間の距離損失関数を設計し、分岐ネットワークに歩行者の局所的検出位置を差別的に学習させる。続いて、分岐ネットワークの歩行者局所特徴空間情報理解能力を向上させるため、Resnet50ネットワークの末尾に四つのアップサンプリングブロックを加え、サンドグラス構造（Hourglass）を構築；最後に、局所特徴選択ネットワークを設計し、多分岐出力の非最適値を適応的に抑制し、予測時の冗長な特徴ボックスを除去する。実験結果は、MBAN手法が多人数流動シーンの歩行者検出において、mAP値、F1値、PrecおよびRecallがそれぞれ85.22％、0.87、80.07％および94.39％に達し、本手法が密集群衆検出能力に優れ、他の歩行者検出アルゴリズムに比べ高い再現率を有することを示している。

アンカーフレームレスネットワーク;多分岐ネットワーク;歩行者検出;局所特徴;特徴抽出;特徴選択