刘宇航，马健霄，王羽尘，白莹佳，谢征俊

(南京林业大学汽车与交通工程学院，南京 210037)

良好的森林管护是减少林木盗伐、改善森林发展环境的必要条件。为做好森林管护工作，减少人力物力的消耗，可以利用快速发展的行人检测算法，对非法闯入的行人进行检测与甄别。当检测出行人时立刻上报林业管理部门，对人员进行甄别，并对盗伐事件及时处理。为了实现对盗伐事件的快速响应，算法必须快速准确地检测出林区的行人[1]。

由于林区植被茂盛，在采集图像时极易出现不同程度的遮挡情况，行人的特征并不完整，并且大多数盗伐者着装迷彩服，与背景的色调相似度很大，所以林区行人检测难度较大，需要对现有的检测算法进行优化。传统的行人检测方法主要基于人为设计的特征提取器。周剑宇等[2]使用基于先验知识的Haar-Like特征，通过检测行人的上半身来确定行人的位置；Dalal等[3]使用局部归一化的方向梯度直方图(histogram of oriented gradien，HOG)表征行人的特征并检测；Ahonen等[4]通过划分图像区域并提取局部二值模式特征来检测行人。这种传统的方法要求研究人员根据不同的检测任务进行调整，设计特定的特征提取器，泛化能力较差，很难达到林区行人检测的要求。

近年来，随着计算机硬件设备的提升，深度学习技术快速发展。卷积神经网络可以替代传统的人为设计特征，具有特征表达能力和鲁棒性较强的特点，在图像分类、目标检测等计算机视觉领域取得了巨大的成果，出现了大量基于深度学习的检测算法。……