双行人变形部件模型提升行人检测性能

本文主要探讨了"双行人可变形部件模型及其在行人检测中的应用"这一主题。作者蔡英凤、刘泽、孙晓强、陈龙和王海，分别来自江苏大学汽车与交通工程研究院和汽车与交通工程学院，他们在2017年7月发表的这篇研究论文中，针对传统的行人检测算法在处理靠近或互相遮挡的多行人目标时可能出现的漏检问题进行了深入研究。 传统行人检测算法在复杂场景下，如行人密集区或者存在遮挡的情况下，可能会因为单一的行人模型无法捕捉到所有行人细节而出现漏检。为此，研究人员提出了基于双行人可变形部件模型的行人检测算法。这种模型训练包含了对行人身体结构和行为的深入理解，使得模型能够适应不同姿势和相互遮挡情况下的行人特征变化。 该算法的核心在于其包含三个步骤：模型训练、模型匹配以及融合过程。在模型训练阶段，通过大量的行人样本数据，学习和构建双行人部件模型，这些部件能够独立变形以适应各种行人姿态。在模型匹配阶段，将这个双行人模型应用于实际图像，通过分区域匹配的方式，更准确地识别每个行人部分。最后，融合过程结合了多个匹配结果，提高了整体检测的准确性。 为了验证新算法的有效性，研究者设计了两组实验，分别对单行人可变形部件模型和双行人可变形部件模型的检测性能进行了对比。结果显示，新的双行人模型在处理靠近和遮挡的多行人目标时，显著减少了漏检率，显著提升了行人检测的鲁棒性和准确性。 本文的关键词包括无人驾驶技术、多行人检测、模型匹配及融合、可变形部件，表明了研究的焦点集中在如何通过改进的行人检测模型提升自动驾驶车辆在复杂道路环境中的人类行为识别能力。此外，文章还列出了多项资助项目，展示了研究的理论价值和实际应用前景，例如国家自然科学基金、中国博士后基金、江苏省六大人才高峰项目以及省级战略性新兴产业发展专项资金的支持，显示了学术界对该领域的高度重视。 这篇论文不仅介绍了双行人可变形部件模型的设计原理和技术细节，也展示了其在行人检测中的实际应用优势，对于提高智能车辆在复杂环境下的行人识别性能具有重要的理论和实践意义。