题名 基于注意力机制的遮挡行人检测算法
被引量：27
1
作者
邹梓吟 盖绍彦 达飞鹏 李昱
机构
东南大学自动化学院 东南大学复杂工程系统测量与控制教育部重点实验室 东南大学深圳研究院
出处
《光学学报》
EI
CAS
CSCD
北大核心
2021年第15期149-157,共9页
基金
国家自然科学基金(51475092) 江苏省自然科学基金(BK20181269) +1 种基金 江苏省前沿引领技术基础研究专项(BK20192004C) 深圳市科技创新委员会(JCYJ20180306174455080)。
文摘
针对真实场景中因行人相互遮挡难以被精确检测的情况,提出一种基于注意力机制的特征提取增强检测算法。首先,通过添加注意力模块学习特征通道间关系和特征图空间信息,增强对行人目标可视区域的特征提取。其次根据行人数据的实际尺寸,采用k-means++算法对行人标注进行聚类,确定锚框(anchor)大小及比例。利用距离交并比损失函数(DIOULoss)设计检测器的损失函数,使得检测框的回归更关注候选框与真实框的交并比与两框的中心距离。最后使用新设计的非极大值抑制算法(DSoft-NMS)保留更精确的预测框。所提方法在CityPersons和WiderPerson数据集上进行了实验,结果表明该方法在遮挡行人检测方面具有更高的检测精度,同时网络结构简单,方便后续研究。
关键词
机器视觉 遮挡行人检测 注意力机制 K-MEANS聚类 交并比
Keywords
machine vision occluded pedestrian detection attention mechanism k-means clustering intersection over union
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
题名 基于特征通道和空间联合注意机制的遮挡行人检测方法
被引量：14
2
作者
陈勇 刘曦 刘焕淋
机构
重庆邮电大学工业物联网与网络化控制教育部重点实验室 重庆邮电大学通信与信息工程学院
出处
《电子与信息学报》
EI
CSCD
北大核心
2020年第6期1486-1493,共8页
基金
国家自然科学基金(51977021)。
文摘
遮挡是行人检测任务中导致漏检发生的主要原因之一,对检测器性能造成了不利影响。为了增强检测器对于遮挡行人目标的检测能力,该文提出一种基于特征引导注意机制的单级行人检测方法。首先,设计一种特征引导注意模块,在保持特征通道间的关联性的同时保留了特征图的空间信息,引导模型关注遮挡目标可视区域;然后,通过注意模块融合浅层和深层特征,从而提取到行人的高层语义特征;最后,将行人检测作为一种高层语义特征检测问题,通过激活图的形式预测得到行人位置和尺度,并生成最终的预测边界框,避免了基于先验框的预测方式所带来的额外参数设置。所提方法在CityPersons数据集上进行了测试,并在Caltech数据集上进行了跨数据集实验。结果表明该方法对于遮挡目标检测准确度优于其他对比算法。同时该方法实现了较快的检测速度,取得了检测准确度和速度的平衡。
关键词
遮挡行人检测 单级检测器 注意机制
Keywords
occluded pedestrian detection Single-stage detector Attention mechanism
分类号
TN911.73
[电子电信—通信与信息系统]
TP391.41
[电子电信—信息与通信工程]
题名 面向遮挡行人检测的自适应收缩非极大值抑制方法
3
作者
李翔 何淼 罗海波
机构
中国科学院沈阳自动化研究所光电信息处理重点实验室 中国科学院机器人与智能制造创新研究院 中国科学院大学
出处
《控制与决策》
EI
CSCD
北大核心
2024年第7期2177-2185,共9页
文摘
基于视觉的行人检测是目标检测中的重要研究方向.如今主流的基于锚框的行人检测器输出的结果是大量冗余的,在结果输出之前需要对冗余预测进行非极大值抑制,因而非极大值抑制的效果将直接影响检测器的性能.行人检测任务中最大的挑战在于目标之间互相遮挡的现象,而严重重叠的目标使得传统的基于固定阈值的非极大值抑制方法难以在高召回率与低虚警率之间取得平衡.针对以上问题,提出一种根据重叠度自适应收缩预测框的非极大值抑制方法.根据对应目标的重叠度将预测框进行自适应的收缩,以降低预测框之间的重叠度.对收缩后的预测框进行非极大值抑制,可避免高重叠预测框对处理结果的影响.此外,指向性不明确的预测框将影响本算法的性能,为此提出一种中心点排斥损失函数,通过在重叠框的中心点之间施加排斥力来减少介于两目标之间的指向性不明确的模糊预测框数量,增强自适应收缩非极大值抑制算法的效果.仿真实验结果表明,所提算法可以有效提升基于锚框的检测器对重叠行人目标的检测性能.
关键词
非极大值抑制 遮挡行人检测 目标检测 深度学习 计算机视觉 机器学习
Keywords
non-maximum suppression occluded pedestrian detection object detection deep learning computer vision machine learning
分类号
TP391
[自动化与计算机技术—计算机应用技术]
题名 基于改进Faster R-CNN的遮挡行人检测
4
作者
吕传龙 许玉格
机构
华南理工大学自动化科学与工程学院
出处
《惠州学院学报》
2024年第3期10-15,共6页
文摘
遮挡是导致行人检测任务中漏检情况发生的主要原因之一,影响行人检测器的性能。为了增强检测器对遮挡行人的检测能力,论文提出一种改进的Faster R-CNN检测器,采用HRNet作为Faster R-CNN的特征提取网络,用于提取强语义的特征。在模型的训练和测试阶段,分别引入NMS-Loss和Soft-NMS,减少拥挤场景中由非极大值抑制算法(NMS)造成的漏检。此外,使用CrowdHuman行人数据集进行预训练,利用其中丰富的遮挡样本,增强Faster R-CNN检测器对遮挡行人目标的检测能力。在Caltech数据集上对本文提出的改进方法和其他对比方法进行了性能评估。实验结果表明,本文提出的改进方法在总体漏检率上具有优势,其中严重遮挡行人目标上的对数平均漏检率为29%,明显优于其他对比深度学习检测器。
关键词
遮挡行人检测 Faster R-CNN HRNet NMS-Loss 迁移学习
Keywords
occluded pedestrian detection Faster R-CNN HRNet NMS-Loss Transfer Learning
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
题名 基于多尺度注意力引导的遮挡行人检测方法
被引量：1
5
作者
谢东军 刘志刚 黄朝 田枫 刘苗苗
机构
东北石油大学计算机与信息技术学院 东北石油大学应用技术研究院博士后工作站
出处
《计算机与数字工程》
2022年第5期983-988,1028,共7页
基金
国家自然科学基金项目(编号:61502094) 黑龙江省自然科学基金项目(编号:LH2020F003,LH2019F042) 黑龙江省优秀中青年科研创新团队项目(编号:KYCXTD201903)资助。
文摘
行人区域遮挡是影响行人检测精度的重要因素,为提高行人检测精度,提出一种基于多尺度注意力引导的遮挡行人检测方法。首先,设计一种专注于遮挡问题的注意力引导模块,将其应用于特征提取网络中不同尺度的特征图,利用外部监督信息遮罩机制,引导模型关注行人目标可见区域;其次,根据特征图在分辨率与语义特征方面的特性,对注意力引导后的多尺度特征图进行融合;最后,利用融合特征图进行边界框预测。为验证所提方法有效性及泛化性,在不同数据集上进行仿真实验。该方法在Citypersons重度遮挡子集上实现了47.1%的MR^(-2),在Caltech重度遮挡子集上实现了40.62%的MR^(-2),相对于主流的遮挡行人检测方法,检测精度有较为明显的提高。实验结果表明,所提出模块可以有效地处理行人检测中的区域遮挡问题。
关键词
遮挡行人 目标检测 注意力 多尺度 对数平均漏检率
Keywords
occluded pedestrian object detection attention multi-scale log-average miss rate
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
题名 基于双目视觉的部分遮挡行人检测算法
6
作者
刘城逍 何涛 景嘉宝
机构
湖北工业大学机械工程学院 现代制造质量工程湖北省重点实验室
出处
《科学技术与工程》
北大核心
2024年第13期5465-5472,共8页
基金
国家自然科学基金(51275158)。
文摘
针对行人被障碍物部分遮挡导致的检测准确率降低问题,提出了基于多特征融合的树形路径半全局立体匹配的部分遮挡行人检测算法。使用简单线性迭代聚类(simple linear iterative clustering,SLIC)算法进行超像素分割,提升行人的轮廓信息,并使用多特征融合的树形路径半全局立体匹配算法生成深度图;对行人信息和背景信息及障碍物信息使用自适应分割算法进行分离,获取感兴趣区域;将感兴趣区域放置在行人特征明显且稳定的头肩部,进行感兴趣区域的约束;使用降维梯度直方图特征(histogram of gradient,HOG)进行特征提取并生成样本集,训练支持向量机(support vector machines,SVM)分类器,最终实现部分遮挡的行人检测。实验表明,所提算法与其他行人检测算法相比,在行人部分遮挡场景下,有着更高的行人检测准确率,证明所提算法的有效性。
关键词
部分遮挡行人检测 超像素分割 立体匹配 感兴趣区域 特征提取 SVM分类器
Keywords
partially occluded pedestrian detection superpixel segmentation stereo matching region of interest feature extraction SVM classifier
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
