-
题名基于Faster R-CNN的密集人群检测算法
被引量：4
- 1
-
-
作者
邹斌
张聪
-
机构
现代汽车零部件技术湖北省重点实验室(武汉理工大学)
汽车零部件技术湖北省协同创新中心(武汉理工大学)
-
出处
《计算机应用》
CSCD
北大核心
2023年第1期61-66,共6页
-
基金
湖北省重点研发项目(2020BAB135)
新能源汽车科学与关键技术学科创新引智基地项目(B17034)。
-
文摘
为提高拥挤场景下的人群检测准确率,提出一种基于改进Faster R-CNN的密集人群检测算法。首先,在特征提取阶段添加空间与通道注意力机制,使用加强的双向特征金字塔网络(S-BiFPN)替代原网络中的多尺度特征金字塔(FPN),使网络对重要特征进行自主学习并加强对图像深层特征的提取;其次,引入多实例预测(MIP)算法对实例进行预测,以避免模型对拥挤场景下的目标造成漏检;最后,对模型中的非极大值抑制(NMS)进行优化,并额外增设一个交并比(IoU)阈值,以对检测结果的干扰项进行精确抑制。在开源的密集人群检测数据集上进行测试的结果显示,相较于原Faster R-CNN算法,所提算法的平均精度(AP)提升5.6%,Jaccard指数值提升3.2%。所提算法具有较高检测精度和稳定性,可以满足密集场景人群检测的需求。
-
关键词
密集人群检测
Faster
R-CNN
注意力机制
多实例预测
加强的双向特征金字塔网络
-
Keywords
dense crowd detection
Faster Region-based Convolutional Neural Network(Faster R-CNN)
attention mechanism
multi-instance prediction
Strong-Bidirectional Feature Pyramid Network(S-BiFPN)
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
