控制与决策

作者：李翔,何淼,罗海波

单位：中国科学院沈阳自动化研究所 光电信息处理重点实验室,沈阳 110016;中国科学院机器人与智能制造创新研究院,沈阳 110169;中国科学院大学,北京 100049,,中国科学院沈阳自动化研究所 光电信息处理重点实验室,沈阳 110016;中国科学院机器人与智能制造创新研究院,沈阳 110169,,中国科学院沈阳自动化研究所 光电信息处理重点实验室,沈阳 110016;中国科学院机器人与智能制造创新研究院,沈阳 110169,

关键词：非极大值抑制;遮挡行人检测;目标检测;深度学习;计算机视觉;机器学习

基于视觉的行人检测是目标检测中的重要研究方向.如今主流的基于锚框的行人检测器输出的结果是大量冗余的,在结果输出之前需要对冗余预测进行非极大值抑制,因而非极大值抑制的效果将直接影响检测器的性能.行人检测任务中最大的挑战在于目标之间互相遮挡的现象,而严重重叠的目标使得传统的基于固定阈值的非极大值抑制方法难以在高召回率与低虚警率之间取得平衡.针对以上问题,提出一种根据重叠度自适应收缩预测框的非极大值抑制方法.根据对应目标的重叠度将预测框进行自适应的收缩,以降低预测框之间的重叠度.对收缩后的预测框进行非极大值抑制,可避免高重叠预测框对处理结果的影响.此外,指向性不明确的预测框将影响本算法的性能,为此提出一种中心点排斥损失函数,通过在重叠框的中心点之间施加排斥力来减少介于两目标之间的指向性不明确的模糊预测框数量,增强自适应收缩非极大值抑制算法的效果.仿真实验结果表明,所提算法可以有效提升基于锚框的检测器对重叠行人目标的检测性能.

来源：2024年第7期

《控制与决策》期刊编辑部

查看控制与决策杂志2024年第7期