面向多元場景的輕量級行人檢測

張云佐，李文博，郭 威，宋洲臣

（石家莊鐵道大學(xué) 信息科學(xué)與技術(shù)學(xué)院，河北 石家莊 050043）

1 引言

行人檢測一直以來都是計算機視覺領(lǐng)域的研究熱點，快速、準(zhǔn)確是行人檢測的重要目標(biāo)，然而在現(xiàn)實應(yīng)用中，多元場景交錯、行人姿態(tài)各異、檢測環(huán)境異常復(fù)雜給行人檢測帶來了極大的挑戰(zhàn)。

傳統(tǒng)方法通常結(jié)合手工特征與機器學(xué)習(xí)分類器來檢測行人，如Yadav 等人［1］采用方向梯度直方圖作為行人特征描述子，然后在特征分類器SVM 的作用下實現(xiàn)像素級分割，進(jìn)而得到行人檢 測 區(qū) 域。 Sabzmeydani 等 人［2］提 出 了 一 種Shapelet 特征描述子用以解決靜止圖像中的行人檢測問題，利用行人圖像的局部信息和低級梯度信息構(gòu)建Shapelet 特征，并通過Adaboost 算法訓(xùn)練分類器得到行人檢測結(jié)果。此類方法以顏色、紋理、邊緣等特性為主，檢測結(jié)果易受檢測環(huán)境干擾，檢測精度不佳。

近年來，深度學(xué)習(xí)憑借其強大的表征能力吸引了眾多研究者的關(guān)注，行人檢測方法也隨之取得了重大進(jìn)展［3］?；诔叨雀兄姆椒ǔ１挥糜跈z測不同尺度的行人目標(biāo)，通過使感受野與目標(biāo)尺度相匹配來提高行人尤其是小尺度行人的檢出率。如Cai 等人［4］提出了從多個網(wǎng)絡(luò)輸出層檢測行人，即具有較小感受野的淺層網(wǎng)絡(luò)用于小目標(biāo)，而具有較大感受野的深層網(wǎng)絡(luò)用于大目標(biāo)。Yang 等人［5］提出了一種多尺度全卷積網(wǎng)絡(luò)用于檢測不同尺度的行人，并采用局部感興趣區(qū)域增加行人可視區(qū)域的置信度分?jǐn)?shù)，以減少行人漏檢與誤檢的情況?；谧⒁饬σ龑?dǎo)的方法通過增強行人特征、抑制背景特征的方法，提升網(wǎng)絡(luò)對行人可視區(qū)域的關(guān)注程度。如鄒等人［6］提出了一種融合通道與空間注意力機制的行人檢測方法，從通道和空間兩個維度依次增強行人的空間特征和語義特征，但該方法忽視了不同維度中特征信息的關(guān)聯(lián)性。基于特征融合的方法通過將深淺層特征或時序特征等進(jìn)行融合，以獲得更多的上下文信息和語義信息。如Wu 等人［7］提出了一種自適應(yīng)特征聚合網(wǎng)絡(luò)，將視頻行人的時序特征以及行人的局部特征進(jìn)行融合，該方法對檢測被嚴(yán)重遮擋的行人具有重要作用。

基于深度學(xué)習(xí)的行人檢測模型在訓(xùn)練過程中學(xué)習(xí)了大量的魯棒特征，在一定程度上弱化了姿態(tài)變化、環(huán)境干擾等因素對行人檢測結(jié)果的影響，但多數(shù)檢測模型的參數(shù)動輒數(shù)十兆字節(jié)，依然存在模型體積大、運算量高，難以在計算資源有限的可移動平臺上部署等問題。對于計算資源有限的可移動平臺，減少其部署模型的計算成本和存儲空間至關(guān)重要，尤其是在自動駕駛、實時檢測等實時性要求較高的任務(wù)中。行人檢測作為自動駕駛中行為預(yù)判、行人防撞等關(guān)鍵技術(shù)的基礎(chǔ)環(huán)節(jié)，通過定位和分類行人實例，實時為車載平臺提供周圍的行人信息，以便于車輛采取正確的控制與狀態(tài)處理決策。在處理過程中，車載平臺不僅僅需要實時處理與分析車載前置攝像頭的行人視頻數(shù)據(jù)，還包括其他車載傳感器所獲取的數(shù)據(jù)［8］，使得原本有限的計算資源更加緊缺。此外，車載平臺上部署著大量算法，每種算法可分配的存儲空間也十分有限。

基于以上分析，考慮到多元場景的復(fù)雜性和計算資源的有限性影響，本文以YOLOX［9］為基礎(chǔ)框架提出一種面向多元場景的輕量級行人檢測方法。

2 面向多元場景的行人檢測

2.1 算法總體結(jié)構(gòu)設(shè)計

本文算法的總體結(jié)構(gòu)設(shè)計如圖1 所示。首先設(shè)計和優(yōu)化行人檢測模型以增強網(wǎng)絡(luò)的特征提取能力，并在訓(xùn)練過程中，采用遷移學(xué)習(xí)訓(xùn)練策略獲得高精度的基準(zhǔn)模型；然后利用剪枝策略裁剪基準(zhǔn)模型中的冗余通道，生成輕量級的緊湊模型。此外，在檢測階段采用自適應(yīng)Gamma 的方式對行人圖像進(jìn)行矯正，以減少光照等外界因素對檢測器的影響，從而實現(xiàn)多元場景下高效、精確的行人檢測。

圖1 總體結(jié)構(gòu)設(shè)計Fig.1 Design of overall structure

2.2 構(gòu)建高精度模型

YOLOX 檢測模型在原有系列網(wǎng)絡(luò)的理論基礎(chǔ)上融入了無錨機制、標(biāo)簽分配、解耦頭等性能優(yōu)化策略，具有較好的性能表現(xiàn)。為此，本文以高性能檢測器YOLOX 為基礎(chǔ)框架，融合遷移學(xué)習(xí)、多尺度特征融合以及注意力引導(dǎo)等強化網(wǎng)絡(luò)的方法，構(gòu)建了具有高精度的行人檢測模型，其網(wǎng)絡(luò)結(jié)構(gòu)如圖2 所示，圖中ECA（Efficient Coordinate Attention）為注意力模塊，m為檢測層的整合通道數(shù)。該網(wǎng)絡(luò)由主干網(wǎng)絡(luò)（Backbone）、特征融合網(wǎng)絡(luò)（FPN）、檢測頭（Head）三部分組成。

圖2 網(wǎng)絡(luò)結(jié)構(gòu)示意圖Fig.2 Schematic diagram of network structure

遷移學(xué)習(xí)的訓(xùn)練策略可有效降低權(quán)值初始化的不確定性，避免因隨機權(quán)值所導(dǎo)致的特征提取能力不足問題。因此，所提模型保留了YOLOX 中的Backbone，從而確保訓(xùn)練模型和預(yù)訓(xùn)練模型網(wǎng)絡(luò)結(jié)構(gòu)的一致性。將預(yù)訓(xùn)練模型中Backbone 的權(quán)值作為訓(xùn)練模型的初始化權(quán)值，并以此提升主干網(wǎng)絡(luò)的特征提取能力以及訓(xùn)練模型的收斂速度。

主干特征提取網(wǎng)絡(luò)用于挖掘行人目標(biāo)的淺層紋理特征與深層語義特征，特征融合網(wǎng)絡(luò)實現(xiàn)淺層紋理信息和深層語義信息的互補，但隨著網(wǎng)絡(luò)層數(shù)的不斷加深，行人的紋理信息逐漸丟失，并且網(wǎng)絡(luò)對小目標(biāo)的敏感度也逐漸降低，使得檢測模型容易出現(xiàn)漏檢、誤檢的問題。為此，網(wǎng)絡(luò)中使用ECA 注意力引導(dǎo)模塊構(gòu)建特征融合網(wǎng)絡(luò)，并增加尺寸為160×160 的輸出層，以獲得更為有效的行人特征信息，弱化背景特征信息，從而提升模型在多元場景下的前景、背景識別能力。此外，160×160 的檢測層更有利于小尺度行人的檢測，可有效避免漏檢情況的發(fā)生。

2.3 跨維特征引導(dǎo)的注意力模型

注意力模型被廣泛應(yīng)用于行人檢測任務(wù)中，根據(jù)關(guān)注區(qū)域的不同，通?？煞譃橥ǖ烙?、空間域以及混合域的注意力模型，不同作用域的注意力模型所具有的引導(dǎo)作用也有所差異。通道注意力通常采用全局處理的方式為通道賦予權(quán)重，但忽略了空間內(nèi)的信息交互。空間注意力通過對原始圖片中的空間信息進(jìn)行轉(zhuǎn)換，為空間內(nèi)的像素生成權(quán)重掩膜，但該過程忽略了通道間的信息交互?；旌嫌蜃⒁饬t是通道域和空間域的結(jié)合體，但往往存在體量大，結(jié)構(gòu)復(fù)雜的問題。為 此，基 于Coordinate attention［10］進(jìn) 行 改 進(jìn) 并 提出了更適合檢測行人的ECA 注意力模型，采用跨維度全局處理的方式為整個特征圖賦予權(quán)重掩膜，從而保留了通道間、空間內(nèi)的交互信息，并利用最大池化操作保留行人的邊緣特征，提升模型對行人區(qū)域的關(guān)注程度。ECA 的結(jié)構(gòu)如圖3 所示，圖中AP、MP 分別為平均池化和最大池化。

圖3 ECA 結(jié)構(gòu)示意圖Fig.3 Schematic diagram of ECA

ECA 注意力模型同時沿著水平、垂直兩個方向分別捕獲張量（C，W）和（C，H）之間的依賴關(guān)系，以跨維度的方式推斷注意力權(quán)重掩膜，最終與殘差邊相乘完成輸出特征的自適應(yīng)修飾。在生成權(quán)重掩膜過程中，首先采用最大池化和平均池化沿兩個方向聚合特征，其中最大池化用以保留行人的邊緣信息，而平均池化則用于彌補最大池化所丟失的特征信息。然后通過共享網(wǎng)絡(luò)MLP 進(jìn)行非線性運算，經(jīng)sigmoid 回歸獲得注意力權(quán)重系數(shù)：

最終將不同維度的注意力權(quán)重系數(shù)與殘差邊相乘，獲得賦予權(quán)重的輸出特征圖，輸出結(jié)果為：

其中，Yc(i，j)為輸出特征圖。

ECA 注意力模型在關(guān)注通道間交互信息的同時，還在空間上引導(dǎo)模型關(guān)注行人所在區(qū)域的特征信息，以增強網(wǎng)絡(luò)對行人可視區(qū)域的特征學(xué)習(xí)能力，在檢測過程中促使檢測器更加關(guān)注行人的存在區(qū)域，提高行人檢測器的準(zhǔn)確性。

2.4 引入結(jié)構(gòu)化剪枝策略

剪枝作為模型壓縮的主要手段之一，在訓(xùn)練過程中通過去除網(wǎng)絡(luò)模型中冗余的連接與參數(shù)，從而獲得可在移動端部署的緊湊型模型。依據(jù)剪枝原理的不同，模型剪枝可分為結(jié)構(gòu)化剪枝和非結(jié)構(gòu)化剪枝，但由于非結(jié)構(gòu)化剪枝需要特定軟、硬件的支持，因此本文采用結(jié)構(gòu)化剪枝策略［11］。首先選擇性能最優(yōu)的行人檢測模型作為基礎(chǔ)模型，然后對網(wǎng)絡(luò)模型進(jìn)行稀疏化訓(xùn)練，選擇網(wǎng)絡(luò)中的非重要通道進(jìn)行剪枝，最后利用微調(diào)回升精度［12］。

批歸一化層（Batch Normalization，BN）具有抑制內(nèi)部協(xié)變量偏移的作用，進(jìn)而降低網(wǎng)絡(luò)模型對參數(shù)初始值的敏感程度，得以有效提升模型的收斂速度。BN 層可以表示為：

其中：zin和zout分別為BN 層的輸入與輸出數(shù)據(jù)；B為當(dāng)前小批次；μB和σB分別為B批次所輸入數(shù)據(jù)的均值和標(biāo)準(zhǔn)差；γ和β分別為訓(xùn)練過程中可學(xué)習(xí)的縮放參數(shù)與平移參數(shù)；ε為一個小量，其作用是防止出現(xiàn)分母為0 的情況。由上式可知，每個通道的激活值zout和具有通道級縮放作用的可學(xué)習(xí)參數(shù)γ呈正相關(guān)，即參數(shù)γ的大小直接影響該通道信息的重要性，故將參數(shù)γ作為衡量通道重要性的量化指標(biāo)，也稱縮放因子。通常情況下，BN 層所輸出的激活值呈正態(tài)分布且多數(shù)不趨近于0，為此引入L1 正則約束，縮小通道重要性量化指標(biāo)γ的值，以便于進(jìn)行稀疏化訓(xùn)練，稀疏化訓(xùn)練的損失函數(shù)為：

其 中：Lbaseline為基礎(chǔ)模型的損失函數(shù)為L1 正則約束項，其中g(shù)(γ)=|γ|；λ為懲罰因子，用于平衡損失項。稀疏化訓(xùn)練需根據(jù)BN 層權(quán)重分布情況和平均精度調(diào)整懲罰因子并選擇合適的學(xué)習(xí)率，獲得精度略微損失的高稀疏模型。在稀疏化訓(xùn)練后將對模型進(jìn)行剪枝，剪枝過程如圖4 所示。

圖4 剪枝流程圖Fig.4 Flow chart of pruning

BN 層中的縮放因子會整體趨近于0，其中γ越接近0 的通道越不重要，基于此對所有通道的縮放因子進(jìn)行排序，并設(shè)置合適的剪枝比例。剪枝比例對模型的體積和精度有著直接影響，剪枝比例越大，裁剪的通道數(shù)越多，則模型的體積越小，但模型的精度也會隨之降低，為此在模型剪枝后通過微調(diào)回升精度。

2.5 自適應(yīng)Gamma 矯正

在實際應(yīng)用中，光照不均、陰影干擾等環(huán)境因素會隱藏圖像信息進(jìn)而導(dǎo)致行人檢測精度降低［13］，為減少環(huán)境因素對行人檢測器檢測效果的影響，采用自適應(yīng)Gamma 矯正的方法對輸入圖像進(jìn)行處理。Gamma 矯正包括以下幾個步驟：

Step 1：歸一化處理，將灰度圖像的像素值轉(zhuǎn)換為0～1 之間的實數(shù)；

Step 2：預(yù)補償，通過指數(shù)運算對像素值進(jìn)行預(yù)補償；

Step 3：反歸一化，將預(yù)補償后的像素值還原至0～255 的實數(shù)。

該過程可用公式表示為：

其中：A(x，y)為輸入圖像，B(x，y)為輸出圖像，γ為Gamma 值。

為了使檢測器在不同的環(huán)境下都能夠擁有不錯的矯正效果，在Gamma 值的設(shè)置上舍棄了人工設(shè)置定值的方法，而是采用自動設(shè)置Gamma［14］的方式進(jìn)行：

其 中：γ為Gamma 值，X為 像 素 歸 一 化 后 的 平 均值。γ值的設(shè)置由輸入圖片的像素值確定，從而實現(xiàn)了自適應(yīng)矯正輸入圖像，矯正效果如圖5 所示。通過觀察可以發(fā)現(xiàn)，自適應(yīng)Gamma 矯正可有效調(diào)節(jié)圖像的對比度，減少了圖像中光照不均、局部陰影的問題。此外，為更直觀地體現(xiàn)矯正效果，采用灰度級范圍進(jìn)一步衡量?；叶燃壏秶菆D像對比度的衡量指標(biāo)，灰度級范圍越大代表圖像的對比度越高，給人的視覺效果也會更清晰?；叶戎狈綀D中可直觀體現(xiàn)圖像的灰度級范圍，圖5 中各場景矯正前后圖像的灰度直方圖如圖6 所示。

圖5 自適應(yīng)Gamma 矯正效果Fig.5 Adaptive Gamma correction effect

圖6 矯正前后圖像的灰度直方圖Fig.6 Gray histograms of images before and after correction

通過對比矯正前后的灰度直方圖可以發(fā)現(xiàn)，左側(cè)場景矯正前的灰度級主要集中在5～80 之間，而矯正后主要集中在20～130 之間，且各灰度級的像素數(shù)量分布比較均勻；右側(cè)場景矯正前的灰度級主要集中在5～55 之間，而矯正后主要集中在15～110 之間，并且低灰度級的像素數(shù)量明顯減少。比較矯正前后圖像的灰度級范圍可以發(fā)現(xiàn)，經(jīng)過矯正后的圖像具有更大的灰度級范圍，且不同灰度級的像素分布比較均勻，從而增大了原有圖像像素間的差異性，降低了模型對圖像中昏暗區(qū)域的學(xué)習(xí)難度，使所提模型在多元場景下具有更強的抗干擾性。

3 實驗設(shè)置與分析

3.1 實驗環(huán)境及數(shù)據(jù)

實驗條件：處理器為Intel（R）Xeon（R）Gold 6226R CPU@2.90 GHz，內(nèi) 存188 G，顯 卡 為Tesla V100S-PCIE-32 GB，操作系統(tǒng)為Centos7。

評價指標(biāo)：實驗采用平均精度（Average Precision）作為檢測器精度的評價指標(biāo)，用以衡量行人檢測器在復(fù)雜場景下對行人實例的檢測效果；采用每秒處理圖像的幀數(shù)（FPS）來衡量檢測器的檢測速度，依此判斷檢測器的計算復(fù)雜度；參數(shù)量（Parameters）和模型體積（Size）是判斷模型是否輕量的直觀評價指標(biāo)，用來衡量檢測模型的大小。

實驗數(shù)據(jù)：本實驗的訓(xùn)練集和測試集選自于自動駕駛數(shù)據(jù)集KITTI 中的2D object detection left color image of object data。將數(shù)據(jù)集的Pedestrian、Person_sitting、Cyclist 類融合為1 個Person 類。

3.2 實驗過程

本文分別以YOLOX-L 和YOLOX-S 為基礎(chǔ)框架構(gòu)建本文方法，即本文方法L 和本文方法S，并基于所提方法開展實驗。實驗分為三個階段進(jìn)行，依次為基準(zhǔn)模型訓(xùn)練階段、剪枝模型訓(xùn)練階段以及微調(diào)模型訓(xùn)練階段，實驗流程如圖7所示。

圖7 實驗流程Fig.7 Flow chart of experiment

所提算法在基礎(chǔ)模型訓(xùn)練階段使用了遷移學(xué)習(xí)，將YOLOX 基于COCO 數(shù)據(jù)集的訓(xùn)練參數(shù)作為初始化權(quán)值，用以引導(dǎo)模型確定訓(xùn)練方向，從而加速收斂速度。實驗分別以本文方法L 和本文方法S 的基準(zhǔn)模型展開訓(xùn)練，訓(xùn)練過程分為凍結(jié)訓(xùn)練和解凍訓(xùn)練兩部分。在凍結(jié)訓(xùn)練過程中，對基礎(chǔ)模型主干部分的網(wǎng)絡(luò)層進(jìn)行凍結(jié)，即本文方法L 模型的前234 層以及本文方法S 模型的前125 層，凍結(jié)網(wǎng)絡(luò)層的初始化權(quán)值為預(yù)訓(xùn)練模型對應(yīng)網(wǎng)絡(luò)層的參數(shù)。在解凍訓(xùn)練過程中，解除了對模型參數(shù)的限制，使網(wǎng)絡(luò)朝著更適合本文應(yīng)用場景的方向?qū)W習(xí)。凍結(jié)訓(xùn)練中迭代次數(shù)設(shè)置為100，學(xué)習(xí)率設(shè)為0.001；解凍訓(xùn)練中迭代次數(shù)設(shè)置為200，學(xué)習(xí)率設(shè)為0.000 1，批量大小為16。

在稀疏化訓(xùn)練中，將基準(zhǔn)模型的權(quán)重參數(shù)作為初始化權(quán)值，懲罰因子設(shè)為0.001，學(xué)習(xí)率設(shè)為0.000 1，批量大小為16，迭代次數(shù)為100，根據(jù)縮放因子的分布情況，為避免嚴(yán)重?fù)p失精度，采用65%的剪枝率。

剪枝完成后通過對模型進(jìn)行微調(diào)使精度回升，該過程采用warm-up 的學(xué)習(xí)率優(yōu)化方法，訓(xùn)練初期使用較小的學(xué)習(xí)率避免造成過擬合現(xiàn)象，隨著迭代次數(shù)增加逐步減小學(xué)習(xí)率以加快模型的收斂速度，最后當(dāng)模型的訓(xùn)練趨于穩(wěn)定時，使用較小的學(xué)習(xí)率訓(xùn)練，以免破壞模型的穩(wěn)定性。

3.3 有效性驗證

為了驗證本文改進(jìn)算法的有效性，將本文所提算法模型以及與其相關(guān)的中間模型分別與YOLOX-L 和YOLOX-S 進(jìn)行對比，實驗結(jié)果分別如表1 和表2 所示。

表1 YOLOX-L 及其改進(jìn)算法性能比較Tab.1 Performance comparison of the YOLOX-L and its improved algorithms

從表1 中數(shù)據(jù)可知，基準(zhǔn)模型的檢測精度最佳為72.08%，但相比于YOLOX-L，模型的參數(shù)量增加了13.2%，體積增加了11.6%，檢測速度下降了4.4%，可見基準(zhǔn)模型檢測精度的提升是以犧牲檢測速度為代價的?；鶞?zhǔn)模型經(jīng)過剪枝處理后，模型的體量得到了大幅度縮減，但同樣伴隨著精度損失的問題，檢測精度下降了3.55%。通過微調(diào)使檢測精度有所回升，檢測精度達(dá)到71.56%。相比于基準(zhǔn)模型，微調(diào)模型的體積減少了79.7%，檢測速度提升了29.2%，雖然檢測精度略微下降，但并不影響檢測效果。

從表2 中數(shù)據(jù)可知，基于YOLOX-S 所訓(xùn)練得到的微調(diào)模型在模型參數(shù)量、模型體積以及檢測速度上都有著不錯的表現(xiàn)，模型體積大約為10 MB，檢測速度高達(dá)93 幀每秒。

表2 YOLOX-S 及其改進(jìn)算法性能比較Tab.2 Performance comparison of the YOLOX-S and its improved algorithms

3.4 對比實驗

為驗證所提算法的性能表現(xiàn)，將所提算法與目前主流的行人檢測算法以及輕量級算法在KITTI 數(shù)據(jù)集上進(jìn)行比較，實驗結(jié)果如表3所示。

從表3 中的結(jié)果可知，相較于其他行人檢測算法，本文方法在模型體量和檢測速度方面具有明顯優(yōu)勢，滿足行人檢測對準(zhǔn)確性以及實時性的要求。

表3 不同算法的性能比較Tab.3 Performance comparison of different algorithm

相比于雙階段檢測算法Faster-RCNN，單階段的YOLO 系列的檢測算法具有更好的表現(xiàn)，作為目前YOLO 系列表現(xiàn)最佳的YOLOX 取得了69.47%的檢測精度，但模型體積高達(dá)207 MB，本文方法L 在檢測精度以及模型體積上都有明顯優(yōu)勢；相比于基于Mobilenet、Ghostnet 改進(jìn)的輕量化方法以及YOLOX 輕量化效果最好的版本YOLOX-tiny，本文方法S 平均精度高達(dá)68.13%，模型體積約為10 MB，檢測速度達(dá)到每秒93 幀，在各方面都有著最優(yōu)的表現(xiàn)；相比于目前主流的行人檢測方法，本文方法L 的平均精度與最優(yōu)方案相當(dāng)，即PAMS-FCN 方法的71.44%，但在檢測速度上具有明顯優(yōu)勢，大約是該方法的3 倍。此外，雖然本文方法S 的檢測精度只有68.13%，但基本可以實現(xiàn)多元場景下行人的準(zhǔn)確檢測，且參數(shù)量較低便于移動端部署，更適合實際應(yīng)用。

3.5 可視化檢測結(jié)果對比

為直觀的體現(xiàn)所提算法的有效性以及自適應(yīng)Gamma 矯正的作用效果，在對比實驗中抽取輕量級算法YOLOX-tiny 與本文方法S 對矯正前后的圖像進(jìn)行檢測，并進(jìn)行可視化結(jié)果比較，實驗結(jié)果如圖8 所示。圖中包含三種常見的多元場景，即行人尺度差異大、光照不均勻、人群密集等場景，其中每個場景左、右兩側(cè)分別為YOLO-tiny 與本文方法S 的檢測結(jié)果，在每一側(cè)包含對矯正前后圖像的檢測結(jié)果。通過比較不同場景下的檢出行人，可以發(fā)現(xiàn)本文方法S 對遠(yuǎn)處的小目標(biāo)、遮擋目標(biāo)以及陰影下的目標(biāo)都有著較強的檢出能力。此外，通過觀察矯正前后的檢測結(jié)果可以發(fā)現(xiàn)，自適應(yīng)Gamma 矯正在光照均勻的場景下對檢測器的性能提升并不明顯，但在昏暗的場景下卻有著重要作用，由圖8（b）可以發(fā)現(xiàn)經(jīng)矯正后的圖像有著更好的檢測效果。可見自適應(yīng)Gamma 矯正提升了算法對不同場景的適應(yīng)性，使本文方法更適用于多元場景的行人檢測。

圖8 KITTI 數(shù)據(jù)集上的檢測結(jié)果對比Fig.8 Results comparison on KITTI dataset

4 結(jié)論

本文提出了一種面向多元場景的輕量級行人檢測方法，該方法使用提出的跨維特征引導(dǎo)注意力模塊構(gòu)建多層特征融合網(wǎng)絡(luò)，并利用遷移學(xué)習(xí)的訓(xùn)練方法使得網(wǎng)絡(luò)模型具備較高的檢測精度。獲得高精度模型后，經(jīng)剪枝優(yōu)化將模型體積壓縮至10 MB，檢測速度提升至93 Frame/s，并在檢測階段采用自適應(yīng)Gamma 矯正圖像以減小光照等因素對檢測器性能的影響，在KITTI 數(shù)據(jù)集上取得了68.13%的檢測精度，所提方法具有精度高、體積小、抗干擾性強的優(yōu)點，更符合實際應(yīng)用的需求。