周华平，王 京，孙克雷

(安徽理工大学 计算机科学与工程学院，安徽 淮南 232001)

0 引言

作为目标检测重要研究领域之一，行人检测在视频监控、自动驾驶及无人机等方面的应用十分广泛[1]。使用深度卷积来构建目标检测网络，给行人检测领域带来了深远影响[2]。RCNN及其改进系列模型[3]在候选建议框的基础上对框进行分类和回归，对提高精确度帮助很大，但检测速度降低。SSD[4]和YOLO系列[5]等一阶段算法，同时完成目标分类和定位任务，极大地提升了检测速度。YOLO系列的简化版本对硬件要求低、速度快，在小型设备平台上使用更广泛[6]。李文涛等人[7]通过选择更小的预选框，并混合使用SE (Squeeze and Excitation)模块与卷积块注意模块 (Convolutional Block Attention Module，CBAM)对行人和农机障碍物进行检测。单美静等人[8]基于TinyYOLO轻量级网络的交通标志检测，使用部分残差连接增强网络的学习能力。但各种深度学习检测模型权重体积较大，不能很好支撑实时行人检测。因此，该文对YOLOv4-tiny网络结构进行改进，引入新的注意力机制——残差机制(Enhanced Spatial Attention_CSP,ESA_CSP)以及多尺度特征融合模块(Ring-fenced Bodies,RFBs)，在维持较快的检测速度和较小的权重体积为前提，提高检测精度，更适合小型设备的实时行人检测。

1 理论基础

1.1 YOLOv4-tiny算法

区别于YOLOv4的深层复杂网络结构，YOLOv4-tiny的网络结构在其基础上要精简许多，计算量小，能够在移动端或设备端运行。YOLOv4-tiny的网络模型如图1所示，其中骨干网络采用的是CSPDarknet53-tiny的网络结构，主要包括普通卷积过程、残差结构堆叠过程和下采样过程。普通卷积过程采用CBL结构，由卷积层(Convolutional)、批量标准化层(BN)以及激活函数层(LeakyRelu)构成，下采样过程通过最大池化(Maxpool)操作完成。……