基于自适应特征卷积网络的行人检测方法

针对行人检测方法未能充分利用卷积网络浅层特征的问题，改进Faster R-CNN框架，提出了一种基于自适应特征卷积网络的行人检测方法。该方法有两处改进：a）设计了SFCM模块，用于提取卷积神经网络浅层细节特征；b）引用挤压与激励操作设计了AFCM模块，用于筛选检测所需的强辨识力行人特征。此外，利用公开的Caltech和INRIA行人数据集，通过在基准框架中逐一添加SFCM和AFCM模块训练行人检测器，验证了所提模块的有效性，并对比了主流行人检测算法。实验结果显示，所提方法的误检率分别降到了9.13%和9.46%，具有更优的检测性能。