谢永明，王红蕾

(贵州大学 电气工程学院，贵州 贵阳 550025)

0 引 言

随着视频监控覆盖面积的逐步增大，行人出现的频次也逐渐提高。对于成像较大且离摄像机距离较近的行人，检测较简单。但对远距离以及小尺寸的行人，由于其身体姿势，所处环境等特征的不明确，常常容易被监控系统所忽略，导致无法检测。行人检测涉及智能交通[1]、安防系统等领域，故研究复杂背景下远距离及小尺寸行人的检测，具有重要的现实意义。

在早期，行人检测的传统算法主要有基于运动分析[2,3]的方法、基于模板匹配的方法[4]以及基于人体模型[5,6]的方法。基于运动分析的方法虽然能检测运动的物体，但其不能检测静止的对象；基于模板匹配的方法虽然可以根据模板判断行人的具体姿势，但仅能利用有限的模板来描述目标的形状；基于人体模型的方法虽然精度高，但其难以检测远距离的行人。

传统的算法都有其局限性，在复杂背景下无法快速、准确地检测行人。随着深度学习的发展，人们开始在行人检测领域运用深度学习方法。Girshick等[7]提出了一种基于区域的卷积神经网络R-CNN(region-CNN)。该方法首先使用选择性搜索算法提取建议区域，然后将区域更改为统一大小，提取特征，最后，根据目标的特征进行分类。但R-CNN为多阶段训练，会耗费大量的时间。故在此基础上，Girshick[8]提出了一种快速的基于区域的卷积神经网络Fast R-CNN，该方法仅需对图像提取一次，提高了检测的速度和精度。但前两种方法提取建议区域都必须进行选择性搜索。……