Para resolver o problema de omissão na detecção de pedestres causado pela alta densidade de pessoas, variações de postura e oclusão corporal severa em imagens de cenários com grande fluxo de pessoas, como ruas, propõe-se um método de detecção de pedestres baseado em rede multi-ramo sem âncoras (MBAN). Primeiramente, é adicionada uma estrutura de rede multi-ramo após a rede principal do modelo de detecção para detectar múltiplas características locais das regiões-chave dos pedestres; em seguida, foi projetada uma função de perda de distância entre as regiões-chave para guiar a rede multi-ramo a aprender diferencialmente as posições locais de detecção dos pedestres. Depois, para melhorar a capacidade da rede de compreender a informação espacial das características locais dos pedestres, quatro blocos de upsampling foram adicionados no final da rede Resnet50 para formar uma estrutura em ampulheta (Hourglass); por fim, foi projetada uma rede de seleção de características locais para suprimir adaptativamente os valores não ótimos das saídas multi-ramo, eliminando caixas de características redundantes durante a predição. Os resultados experimentais mostram que o método MBAN alcança valores de mAP, F1, Prec e Recall para a detecção de pedestres em cenários de grande fluxo de pessoas de 85,22%, 0,87, 80,07% e 94,39%, respectivamente, comprovando a forte capacidade do método para detecção de multidões densas e alta taxa de recall em comparação com outros algoritmos de detecção de pedestres.

rede sem âncoras;rede multi-ramo;detecção de pedestres;características locais;extração de características;seleção de características