张立国,刘 博,孙胜春,张 勇,金 梅

1(燕山大学 电气工程学院,秦皇岛 066004)

2(燕山大学 河北省测试计量技术与仪器重点实验室,秦皇岛 066004)

行人检测是计算机视觉和数字图像处理的一个方向,广泛用于安防、智能视频监控等领域,将计算机视觉检测目标用在减少人力的使用的同时提高检测精度、提高灵活性具有重要意义.目前已有的行人检测方法主要分为两大类,一类是基于传统视觉处理的方法,主要包括基于背景建模的算法、基于手工特征与机器学习的检测算法.另一类主要是以神经网络为主的目标检测算法.

对以上算法中第一类算法的背景建模方法而言,其主要是通过对背景进行建模,然后将当前图像与背景模型进行比较,确定前景,如ViBe 算法[1,2]、光流法[3,4]等,该类方法通常受环境光照变化、背景的多模态性、运动物体的阴影等多方面因素的影响,不具备较好的鲁棒性.相比于背景建模算法,基于手工特征与机器学习算法的方法主要通过特定的特征实现检测,如HOG+SVM[5,6]、HOG+DPM[7],但该类方法很难处理遮挡问题,人体姿势动作幅度过大或物体方向改变也不易检测.

在另一大类基于神经网络的算法中,主要是以特征网络提取特征然后组合头部网络回归定位具体位置的方法定位检测目标为主,近年来衍生出多种系列的检测算法,如YOLO 系列[8-11]、RCNN 系列[12-14]、Anchor Free 系列[15-17],在实际的嵌入式设备应用上,主要是以YOLO 系列的阉割版和Anchor Free 系列为主,相对而言,YOLO 系列的阉割版虽然……