康子洋 周沈

（宿迁学院信息工程学院 江苏省宿迁市 223800）

随着计算机视觉技术的快速发展，各种检测及属性分析方法也在不断的突破和改进，智能监控技术也越发成熟，为越来越多的场景提供了安全保障[1]。行人检测及属性分析是计算机视觉领域的一个重要应用，其研究成果对智能监控领域的发展具有积极的推动作用，目前已经有相当一部分的研究成果[2-3]。

本文系统的实现需要同时实现检测和分类两种方法。首先得将场景内出现的行人进行检测，然后对检测到的行人进行属性分析。而行人又往往同时具有柔性和刚性的特点，再加上马路、商场、车站等复杂的实际场景，又可能包含不同的光照条件，种种因素都会对检测系统的实际结果产生各种影响。而且当人流量密集时，人与人之间会存在遮挡的情况，这就会导致被挡住的行人难以被检测到，检测不到的行人就无法分析属性，检测系统就相当于无法发挥作用，所以在本文采用了基于深度卷积神经网络的检测方法对行人进行检测，对目标图像中所具有的特征进行提取，从根本上消除了过去借助手工设计特征过程中所存在的瓶颈，大幅度的增强了检测效果。

1 基于CenterNet的行人头肩检测算法设计

1.1 CenterNet检测算法

CenterNet网络输入一张图像后，首先经过主干网络（backbone）运算得到一幅特征图，然后分出三个分支继续对该特征图进行运算，这三个分支分别用于预测目标的中心点坐标、目标的中心点坐标从原图到下采样后的热度图上的偏置、目标的尺寸（宽和高）。……