结合语义和多层特征融合的行人检测

遮挡及背景中相似物干扰是行人检测准确率较低的主要原因.针对该问题,提出一种结合语义和多层特征融合(Combining semantics with multi-level feature fusion,CSMFF)的行人检测算法.首先,融合多个卷积层特征,并在融合层上添加语义分割,得到的语义特征与相应的卷积层连接作为行人位置的先验信息,增强行人和背景的辨别性.然后,在初步回归的基础上构建行人二次检测模块(Pedestrian secondary detection module,PSDM),进一步排除误检物体.实验结果表明,所提算法在数据集Caltech和CityPersons上漏检率(Miss rate,MR)为7.06％和11.2％.该算法对被遮挡的行人具有强鲁棒性,同时可方便地嵌入到其他检测框架.