李福进，孟路达

(华北理工大学 电气工程学院，河北 唐山 063210)

引言

汽车在给人们带来出行便利的同时，不仅带来了交通拥堵问题，也带来严峻的安全问题。全球每年有120万人死于交通事故中，平均每25 s就有一人死于车祸。此外，无人驾驶技术逐渐走入人们的生活中，已经成为目前最受关注的人工智能研究方向之一。无论从何种角度，无人驾驶技术都是一项充满挑战性的研究工作。在无人驾驶技术中，对行人检测是尤其重要的板块，与无人驾驶技术的安全性紧密相连[1]。由于现实生活中环境背景复杂多样，场景光照强弱不一，行人之间相互遮挡等问题都是影响行人检测的因素。在无人驾驶技术环境下，怎样使得行人处于安全的环境下，是一项具有挑战性的工作。目标检测是计算机视觉领域的一个重要发展方向，目标检测算法主要分为2类：一种是传统的目标检测算法，对图像中的每个区域进行特征提取，然后使用分类器对图像进行分类的方法；另一种是不需人工提取设计特征的基于深度学习的目标检测算法[2]。

自深度学习方法，尤其是卷积神经网络学习算法的兴起，使得目标检测技术快速精准。基于深度学习的目标检测算法可以分为2类；一类是基于候选区域的两阶段算法，以SPP-NET,FASTER-RCNN为代表，首先提取候选区域，再进行分类和定位，这种算法检测精度高，但是检测速度较慢；另一类是基于回归的一阶段目标检测算法，以YOLO[3],SSD[4]为代表，该算法直接输出边界框的位置及其类别，这种算法检测速度快，可以达到实时检测的目的，但精度略低。……