基于注意力和多级特征融合的铁路场景小尺度行人检测算法

摘要：

行人入侵是影响铁路行车安全的重要因素.为有效解决短焦距摄像机在大视场中小尺度行人检测精度低的问题,提出一种注意力机制引导下的多级特征融合网络模型.首先,将YOLOv3作为主干网络,针对多次降采样后行人特征丢失的问题,设计四倍降采样分支以利用高分辨率特征有效提取小尺度行人信息.其次,特征融合阶段引入通道-空间注意力机制以抑制低层特征中背景噪声干扰.最后,引入CIoU损失函数用于行人目标框的回归,解决均方误差损失函数存在的优化不一致及尺度敏感问题.实验结果表明,相较于经典YOLOv3以及现阶段主流目标检测算法,本算法具有更高的检测精度,在自建铁路私有数据集和Caltech公开数据集的各子集上对数平均漏检率均有明显降低.

关键词：铁路行车安全、小尺度行人检测、多级特征融合、通道-空间注意力、CIoU损失函数

所属期刊栏目：44

分类号：TP391(计算技术、计算机技术)

资助基金：山东省重大科技创新工程项目;北京交通大学教育基金会重点项目;国家自然科学基金

在线出版日期：2022-06-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：76-83