姜建勇，吴 云，龙慧云，黄自萌，蓝 林

（贵州大学 计算机科学与技术学院，贵阳 550025）

0 概述

行人检测作为计算机视觉领域的研究热点［1］，在车辆高级驾驶辅助系统、视频监控、安全检查以及反恐防暴等方面有着重要应用。在过去的几十年中，研究人员针对行人检测问题做了大量研究并取得一系列成果。行人检测方法主要分为基于人工设计特征和基于神经网络特征的2 种检测方法。

传统的检测器多数使用HOG 方法进行检测，如文献［2］通过改进HOG 并且联合使用SVM 进行行人检测。在传统的检测方法中，需要人工手动去提取图像特征，使得检测模型存在可扩展性、泛化能力差以及计算速度慢等问题。

随着在机器视觉中使用深度学习，研究人员开始寻找深度学习方案来解决目标检测问题。R-CNN［3］提出结合深度学习的方法解决对象检测的问题，后续很多两阶段的方法都是基于R-CNN［3］去构建的，如Fast-RCNN［4］、Faster-RCNN［5］等。在行人检测上，如文献［6］使用更为快速的Faster-RCNN［5］进行行人检测，在Caltech 数据集上比其他传统方法更为准确和快速，文献［7］使用单阶段式网络YOLO［8-10］进行行人检测，在INRIA 数据集上取得比传统方法更好的准确度。虽然Faster-RCNN 在RCNN 的基础上改进了很多组件，使得在准确度和速度上有了很大的提升，速度能够达到20 frame/s，但运用在实时检测中效果还不是很理想。而单阶段网络YOLO［8-10］在速度上很快，但是准确度距离Faster-RCNN 相差较大。

CenterNet［11］与R-CNN［3］相比，不需要区域建议网络以及ROI 等重要组件，而与YOLO［8］和SSD［12］相比，则无需预先去设定Anchor 的大小，并且CenterNet 在推理阶段不需要NMS（Non-Maximum Suppression）［13］，因此在速度上有很大的提升。……