徐芳芯，樊嵘，马小陆

（1.京都情报大学院大学应用信息技术研究科，日本 京都 606-8225；2.安徽工业大学电气与信息工程学院，安徽 马鞍山 243002）

0 引言

行人检测是目标检测领域的重要分支任务，也是行人重识别、行人追踪等任务的基础。随着卷积神经网络研究的日益进步，在稀疏场景下的行人检测已经取得了较好的效果，但在含有较多行人的拥挤场景中行人检测仍然面临一些挑战。

在拥挤行人场景中存在大量的目标间相互遮挡以及非目标物体遮挡，不但造成待测目标缺失了部分特征，还会引入噪声干扰，容易使模型产生误检。针对该问题，学者们进行了大量研究。XU等［1］通过对人体关键点及部位进行检测间接实现对行人目标的检测，具有较高的遮挡行人检测精度。HOU等［2］采用复数视角进行检测，有效缓解了遮挡情况对行人检测的影响。李颀等［3］提出一种基于遮挡感知的行人检测与跟踪算法，利用遮挡感知算法提高遮挡情况下的行人检测精度。ZHANG等［4］提出遮挡下的行人检测算法（OR-CNN），通过对损失函数进行改进并在检测中对候选框进行再分类，有效提升了遮挡行人检测精度。刘毅等［5］通过在改进的区域卷积神经网络（Faster R-CNN）的基础上融入Swin-Transformer 骨干网络并加入层级重用模块有效增加了模型的遮挡行人检测精度。以上方法虽然缓解了遮挡对模型检测精度的影响，但在含有大量遮挡目标行人的拥挤行人检测场景下模型性能仍需进一步提升。

在拥挤行人检测场景中，行人目标较多，单个目标尺寸较小，分辨率较低，容易使模型产生漏检。……