密集したシーンでは、歩行者の体幹が遮蔽され、歩行者のスケールが異なるため検出器の精度が低下する。一方、歩行者の頭部は遮蔽の程度が比較的軽いため、検出の補助に利用できる。これに対して、頭部と全体情報を結合した歩行者検出アルゴリズムを提案する。まず、密集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、多段階の特徴抽出を強化し、多スケール歩行者の検出感度を向上させる。次に、領域提案ネットワークモジュールのサンプリング機構を最適化し、遮蔽重複率に基づく非均一な困難サンプルマイニング戦略を提案し、遮蔽が著しい困難サンプルに注目し、ネットワークの遮蔽への適応能力を向上させる。さらに、頭部と全体の結合検出戦略を構築し、後処理を最適化して遮蔽によって誤って抑制された全体検出ボックスを頭部検出結果を用いて復元し、見逃し率を低減する。同時に、結合検出フレームワークの特性に基づき損失関数を最適化し、遮蔽による誤検出や見逃しをさらに緩和する。最後に、実験により提案アルゴリズムの有効性を検証した。結果は、提案アルゴリズムが遮蔽度が高いCrowdHumanデータセットでの対数平均見逃し率を5.7%低減し、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の対数平均見逃し率をそれぞれ2.4%および2.1%低減し、遮蔽歩行者および多スケール歩行者検出能力を効果的に向上させたことを示す。

歩行者検出;統合検出;多スケール特徴融合;困難例マイニング;後処理最適化