밀집된 장면에서는 보행자의 신체가 가려지고 보행자 크기가 다양하여 검출기의 정확도가 감소합니다. 그러나 보행자의 머리는 가려짐 정도가 상대적으로 가벼워 검출 보조에 사용할 수 있습니다. 이를 위해 머리와 전체 정보를 결합한 보행자 검출 알고리즘을 제안합니다. 먼저, 조밀 연결과 강화된 융합 기반의 특징 추출 네트워크를 설계하여 다중 스케일 특징 추출을 강화하고 네트워크의 다중 스케일 보행자 검출 민감도를 향상시켰습니다. 다음으로, 영역 제안 네트워크 모듈의 샘플링 메커니즘을 최적화하고 가려짐 중첩률을 기반으로 한 비균일 어려운 샘플 채굴 전략을 제안하여 가려짐이 심한 어려운 샘플에 집중함으로써 네트워크의 가려짐 적응 능력을 향상시켰습니다. 이후 머리와 전체 결합 검출 전략을 구축하고 후처리 단계를 최적화하여 머리 검출 결과를 이용해 가려짐으로 잘못 억제된 전체 검출 박스를 복원하여 누락률을 줄였습니다. 동시에 결합 검출 프레임워크의 특성에 맞추어 손실 함수를 최적화하여 가려짐으로 인한 오검출과 누락을 더욱 완화하였습니다. 마지막으로 실험을 통해 제안한 알고리즘의 유효성을 검증하였습니다. 결과는 해당 알고리즘이 가려짐 정도가 높은 CrowdHuman 데이터셋에서 로그 평균 누락률을 5.7% 감소시키고 평균 정밀도를 4% 향상시켰으며, TJU-DHD-pedestrian 데이터셋의 두 개의 소규모 서브셋에서 로그 평균 누락률을 각각 2.4%와 2.1% 감소시켜 가려진 보행자 및 다중 스케일 보행자 검출 능력을 효과적으로 향상시켰음을 보여줍니다.

보행자 검출; 결합 검출; 다중 스케일 특징 융합; 어려운 샘플 채굴; 후처리 최적화