控制与决策

作者：付锦燚,张自嘉,钱昕宇,唐晨

单位：南京信息工程大学 自动化学院，南京 210044,,南京信息工程大学 自动化学院，南京 210044;南京信息工程大学 江苏省大气环境与装备技术协同创新中心，南京 210044,,南京信息工程大学 自动化学院，南京 210044,,南京信息工程大学 自动化学院，南京 210044,

关键词：行人及携带物检测;同步识别;特征融合;大核卷积;深度学习;机器人感知技术

基金：江苏省研究生科研与实践创新计划项目(SJCX24_0461).

在进站安检智能化进程中, 对于行人是否携带行李物品的识别研究至关重要. 针对在行人检测任务中忽视对所携带的物品一并进行检测, 且在复杂场景中由于多尺度和遮挡导致误检和漏检等问题, 提出一种在安检场景下的行人及携带物同步识别的方法; 构造一种易部署的轻量级深度学习网络模型PCD-MLNet检测行人及携带物目标, 使用改进的HGNetV2作为模型的主干网络, 提取不同尺度的输入特征; 提出一种可扩张的多分支残差模块DMRModule, 结合大核卷积操作, 增强行人及携带物特征提取的层次性和细节感知能力; 使用EIoU作为检测网络的定位回归损失函数, 提高模型对目标的定位能力. 在创建的行人-携带物数据集实验中, PCD-MLNet获得了良好的结果, 检测精度达到72.3%; 对冗余通道剪枝之后, 最终模型的参数量较基准模型下降了58.6%, 视频推理速度提升35.0%; 在仿真平台上的模拟安检实验也获得了不错的效果.

来源：2025年第6期

《控制与决策》期刊编辑部

查看控制与决策杂志2025年第6期