摘要
密集人群中的行人检测是计算机视觉领域的一项挑战性问题。现有的遮挡处理方法严重依赖于昂贵的可见框标注来定位可见的身体部位，这在标注获取成本和开放世界泛化能力方面存在严重局限性。为了突破这一局限，我们提出了一种新颖的网格点结构化拓扑（STG）框架。STG在仅使用标准完整框标注、无需任何额外可见性监督的条件下运行，旨在实现隐式的、细粒度的局部语义补偿。具体而言，我们构建了一个由三个交互阶段组成的粗到细推理范式。为缓解高空间复杂度并消除背景冗余，我们首先引入了一种显著性感知的特征过滤（SAFF）机制，该机制利用网格点热力图过滤掉低置信度的行人候选。其次，我们设计了一种查询引导的跨实例特征交互（AIFI）模型，利用实例间的空间关系，将高可见度个体缺失的上下文传播到其被遮挡的邻居。最后，我们设计了一种先验引导的实例内网格点交互（I2GI）模型，以实现细粒度的结构化部件级特征补全，该模型从不同人体部位动态聚合关键局部线索，以重建完整的行人表示。在城市行人、人群人类和宽行人数据集上的大量实验证明了我们所提方法的有效性和高效性。具体而言，STG在城市行人数据集的合理子集上取得了7.41%的对数平均漏检率，在重度遮挡子集上取得了32.05%的对数平均漏检率，同时运行速度高达16 FPS，在完整框监督下超越了现有的基于部件的方法。
