周大可, 宋 荣,杨 欣

(1.南京航空航天大学 自动化学院, 南京 211100； 2.江苏省物联网与控制技术重点实验室(南京航空航天大学), 南京 211100)

行人检测作为目标检测领域的一个重要研究方向，一直受到研究者们的普遍关注，目前已经对智能交通、智能辅助驾驶和视频监控等领域产生了深入的影响[1]。传统的行人检测方法，如HOG(histogram of oriented gradient)[2]、DPM(deformable parts model)[3]和ACF(aggregate channel feature)[4]等，都是通过手工设计或特征聚合来获得行人特征。随着2012年AlexNet[5]在图像分类任务中的重大突破，利用卷积神经网络CNN(convolutional neural networks)自主学习特征提取过程从而代替传统手工设计是目前的主要研究方向[6]。根据检测机制的不同，基于卷积神经网络的目标检测方法主要分为两类：一是两阶段方法，以Faster R-CNN[7]为例，其主要思路是采用级联的方式，在生成候选目标区域的基础上进一步判断边界框的类别和位置。另一类则是单阶段方法，以YOLO(you only look once)[8]和SSD(single shot multibox detector)[9]为例，其思路是用一个卷积神经网络直接回归出边界框的位置和类别。

卷积神经网络的引入提升了行人检测算法性能，但遮挡问题仍然是行人检测中的一个主要难点[10-13]。文献[10]通过一种联合学习方式建模不同的行人遮挡模式，但其检测框架复杂且无法穷尽所有的情况；文献[11]设计新的损失函数，使预测框在不断逼近目标真实框的同时远离其他的真实框，这种方法对遮挡的处理更为灵活，实现也更加简单；文献[12]将前述的两种思路相结合，提出部件遮挡感知单元和聚集损失函数来处理行人遮挡问题；文献[13]通过引入新的监督信息(行人可见区域边界框)来处理遮挡，其思路是用两个分支网络分别回归行人的全身框和可见区域的边界框，最终融合两个分支的结果来提升检测性能。……