基于特征模块化上下文融合的矢量网络行人检测方法研究

In the subway and other complex scenes, the pedestrian are very dense, which can easily cause occlusion problem. Meanwhile, the accuracy of pedestrian detection is low. Thus, overcoming the problem of occlusion is important for high accuracy of pedestrian detection. In detail, in such complex scenes, there are many challenges for pedestrian detection such as occlusion, variable camera view angle, different appearance, light intensity and etc. To solve these problems, this project considers the combination of feature modularity, context fusion and vector network. On the one hand, we focus on the multi-local missing feature association representation model with the scene location informatiion. On the other hand, the optimization method of dynamic and variable pedestrian detection vector model is also the key point. We construct the modular extraction of pedestrian features and the context information fusion model to form the pedestrian detection framework based on vector network. Furthermore, we prepare to complete data collection and verification in the subway scene. This project will form a vector network pedestrian detection framwork based on feature modularity and context fusion. In addition, the anticipated results have practical application value for solving pedestrian detection problems under complex background and disturbance such as subway scene.

在地铁等复杂场景下行人高度密集，极易发生遮挡问题，导致行人检测的准确率低。因此克服行人遮挡问题是提高检测准确率的一大重点。在该类复杂场景下，行人遮挡严重、视角多样、姿态各异及光照影响等问题是行人检测重要的挑战。针对这些问题，本项目采用特征模块化、上下文融合与矢量网络相结合的方法，重点研究场景位置信息辅助下的多局部缺失特征关联表征模型，及动态多变的行人检测矢量模型优化方法，通过建立行人特征模块化提取，构建上下文信息融合模型，形成以矢量网络为主干的行人检测框架。拟在地铁场景完成数据采集、验证的工作。本项目首次形成基于特征模块化上下文融合的矢量网络行人检测框架，预期成果对解决地铁等复杂背景与干扰下的行人检测问题，具有实际应用价值。

在地铁等复杂场景下，空间相对封闭、人员高度密集，行人互相遮挡导致目标信息不完整是影响行人检测准确率的重要因素。此外，地铁场景内光照不均匀，采集设备架设位置受限导致行人目标被漏检、行人的潜在属性信息无法被充分提取利用，均会限制检测准确率的提高。. 针对这些问题，通过分析复杂场景下行人互相遮挡及周围环境对行人检测的影响，并采集各个车站场景-闸机、通道、楼扶梯和站台的视频数据进行扩充，对高清视频样本和模拟低分辨率的样本数据进行头肩标注。本项目采用特征模块化、上下文融合与矢量网络相结合的方法，重点研究场景位置信息辅助下的多局部缺失特征关联表征模型，及动态多变的行人检测矢量模型优化方法，通过建立行人特征模块化提取，构建上下文信息融合模型，形成以矢量网络为主干的行人检测框架。并在此研究基础上，研制开发出适应复杂多场景、高精度一体化的地铁客流检测设备及后台客流数据分析管理系统，结合后台预测预警分析算法，可实现行人状态监测、突发事件判别、实时报警等多种功能，适应于地铁站台、通道、出入口等多种实际场景。. 本项目首次形成基于特征模块化上下文融合的矢量网络行人检测框架，在此基础上研制开发的一体化检测设备，解决了地铁大客流全息感知和识别精度低的难题，为轨道交通信息的精准分析和服务提供重要技术支撑，并对提升轨道交通突发大客流的实时监测能力，提高城市轨道交通主动安防水平具有重要的意义。