거리 등 다중 인원 흐름 장면 이미지에서 인원 밀집, 자세 변화 다양, 신체 가림 심화로 인한 보행자 검출 누락 문제를 해결하기 위해 다중 분기 앵커 프레임 없는 네트워크(MBAN) 보행자 검출 방법을 제안한다. 먼저 검출 모델 백본 네트워크 후에 다중 분기 네트워크 구조를 추가하여 보행자의 여러 주요 영역 국부 특징을 검출한다; 그다음 주요 영역 간 거리 손실 함수를 설계하여 분기 네트워크가 보행자의 국부 검출 위치를 차별화하여 학습하도록 지도한다. 이어서 분기 네트워크가 보행자의 국부 특징 공간 정보를 이해하는 능력을 향상시키기 위해 Resnet50 네트워크 말단에 4개의 업샘플 블록을 추가하여 샌드글라스 구조(Hourglass)를 구성한다; 마지막으로 국부 특징 선택 네트워크를 설계하여 다중 분기 출력의 최적이 아닌 값을 적응적으로 억제하고 예측 시 불필요한 특징 박스를 제거한다. 실험 결과 MBAN 방법은 다중 인원 흐름 장면에서 보행자 검출의 mAP 값, F1 값, 정밀도(Prec) 및 재현율(Recall)이 각각 85.22%, 0.87, 80.07% 및 94.39%에 도달하여 이 방법이 밀집 군중 검출 능력이 뛰어나며 다른 보행자 검출 알고리즘과 비교하여 높은 재현율을 갖는것을 증명하였다.

앵커 프레임 없는 네트워크;다중 분기 네트워크;보행자 검출;국부 특징;특징 추출;특징 선택