密集したシーンでは、歩行者の体が遮蔽され、歩行者のスケールが異なるため、検出器の精度が低下します。しかし、歩行者の頭部の遮蔽は比較的軽度であるため、検出の補助に利用できます。これに対して、頭部と全体情報を統合した歩行者検出アルゴリズムを提案します。まず、密結合と強化融合に基づく特徴抽出ネットワークを設計し、多尺度特徴抽出を強化して多尺度歩行者検出に対するネットワークの感度を向上させました。次に、領域提案ネットワークモジュールのサンプリングメカニズムを最適化し、遮蔽重複率に基づく不均一な困難サンプルマイニング戦略を提案し、遮蔽が深刻な困難サンプルに重点を置いてネットワークの遮蔽対応能力を向上させました。その後、頭部と全体の結合検出戦略を構築し、後処理段階を最適化して、頭部検出結果を利用して遮蔽により誤って抑制された全体検出ボックスを復元し、検出漏れ率を低減しました。同時に、結合検出フレームワークの特徴に応じて損失関数を最適化し、遮蔽による誤検出や検出漏れをさらに緩和しました。最後に、実験により提案アルゴリズムの有効性を検証しました。結果は、提案アルゴリズムが遮蔽度の高いCrowdHumanデータセットで対数平均検出漏れ率を5.7％削減し、平均精度を4％向上させ、TJU-DHD-pedestrianデータセットの2つの小スケールサブセットで対数平均検出漏れ率をそれぞれ2.4％と2.1％削減し、遮蔽された歩行者および多尺度歩行者検出能力を効果的に向上させたことを示しています。

歩行者検出;結合検出;多尺度特徴融合;困難例マイニング;後処理最適化