基于融合FPN和Faster R-CNN的行人检测算法
2019-06-15张儒良王全红
王 飞 王 林 张儒良 赵 勇 王全红
(1.贵州民族大学人文科技学院,贵阳,550025;2.贵州民族大学数据科学与信息工程学院,贵阳,550025;3.北京大学深圳研究生院信息工程学院,深圳,518055)
引 言
近年来,随着深度学习(Deep learning,DL)这股浪潮的兴起,计算机视觉领域逐渐采用深度学习算法来研究目标检测。2013年,Sermanet等[1]提出一种基于卷积神经网络(Convolutional neural networks,CNN)的OverFeat算法,该算法主要采用滑窗来实现对目标的定位检测。2014年,Girshick等[2]提出RCNN(Region convolutional neural network)算法。该算法首先采用选择性搜索(Selective search,SS)[3]从图像中提取2 000个可能包含目标的候选区域,即感兴趣区域(Region of interest,RoI);然后将这些RoI压缩到统一大小(227×227),并传递给CNN进行特征提取;最后把提取到的特征送入支持向量机(Supported vector machine,SVM)分类器,以获得该RoI的种类。2015年,Girshick等[4]提出Fast R-CNN算法,该算法首先采用SS算法从原始图像中提取2 000个RoI,然后对整幅图像进行卷积计算,得到卷积特征图,最后使用感兴趣区域池化层从卷积特征图中提取每个候选框的特征向量。2015年,Ren等[5]提出Faster R-CNN算法,该算法采用区域建议网络(Region proposal network,RPN)替代SS算法进行候选框选择,使整个目标检测实现了端到端的计算。深度学习目标检测也可以采用回归的思想。最具有代表性的是YOLO[6](You only look once)和SSD[7](Single shot multibox detector)两种算法。
行人检测是通用目标检测的一种特例。针对行人检测自身的特性,研究人员提出一些基于深度学习的行人检测算法。2013年,Ouyang等[8]提出Joint deep算法,该算法将行人检测的特征提取、变形处理、遮挡处理和分类组合成一个联合的深度学习框架。2016年,Zhang等[9]提出一种结合RPN和RF(Roosted forests)的行人检测算法,该算法有效地克服了R-CNN用于行人检测的两个限制:处理小实例的特征映射的分辨率不足和缺乏用于挖掘难例的引导策略。……
