面向密集场景的多尺度轮廓特征增强行人检测模型EDPDet研究

本文提出高效密集行人检测器EDPDet，通过多尺度轮廓特征增强模块（MCFEM）和高效跨尺度路径聚合网络（ECPAN）提升复杂背景下的行人识别能力，并结合非极大值抑制自由（NMS-free）策略实现端到端部署。在CrowdHuman和WiderPerson数据集上分别达到91.4%和92.5% AP，显著优于现有方法。

　　

Section snippets

Pedestrian Detection

针对行人检测任务中的难点，已有多种方法被提出。自适应非极大值抑制（Adaptive NMS）可根据行人目标分布密度动态调整NMS阈值，对拥挤场景更为友好。类似地，OTP-NMS基于可见性比率和分类分数为每个行人预测最优NMS阈值。^R2NMS利用受遮挡影响较小的可见部位提升检测鲁棒性。

Overall architecture

图1展示了EDPDet的整体架构，包含主干网络（backbone）、颈部网络（neck）和检测头（head）三部分。主干网络由多尺度轮廓特征增强模块（MCFEM）、卷积-批归一化-激活模块（CBS）、快速空间金字塔池化（SPPF）和C2PSA组成。MCFEM具备多尺度特征提取和轮廓增强能力，CBS包含卷积层、批归一化层和Sigmoid线性单元函数，SPPF通过串联不同尺度的池化特征逐步扩大感受野。

Datasets

CrowdHuman是由Megvii发布的大规模行人检测数据集，包含15,000张训练图像、4,370张验证图像和5,000张测试图像，标注涵盖全身边界框、可见区域及头部位置，适用于密集场景和遮挡研究。WiderPerson是另一重要基准数据集，包含12,000张图像和约40,000个标注实例，场景多样且标注包括可见区域。VisDrone为无人机视角数据集，包含10,209张图像，涵盖多尺度目标及复杂环境挑战。

Conclusion

本研究提出的EDPDet适用于以行人为主的关键类别检测任务。通过MCFEM增强网络对多尺度行人目标的感知能力，并结合ECPAN提升跨尺度特征融合效率，尤其优化了小目标检测性能。实验表明该方法在多个数据集上均达到先进水平。

CRediT authorship contribution statement

Yangxi Yu: 概念化、方法论、资源、软件、可视化、验证、初稿撰写与修订。

Wentao Lyu: 概念化、资金获取、资源、修订。

Qing Guo: 调研、项目管理、监督。

Zhijiang Deng: 监督、验证。

Weiqiang Xu: 资金获取、监督。

Declaration of competing interest

作者声明不存在可能影响本研究的财务利益或个人关系冲突。