基于优化可形变区域全卷积神经网络的人头检测方法

人头检测技术是人数统计领域一项重要的研究内容,基于检测的人数统计方法常用于视频监控领域。人头检测常常受到遮挡、背景干扰、光照等因素影响。为解决上述问题,提出一种基于区域全卷积神经网络进行头部检测的方法。特征学习阶段通过残差网络和区域候选网络获得特征及感兴趣区域,并在残差网络中添加可形变卷积层。再将感兴趣区域输入池化层,进行可形变位置敏感均值池化。最后进行分类与目标位置精修,并提出将位置敏感感兴趣区域对齐并进行池化操作。为了改善网络在多尺度头部的检测效果,更新区域候选网络中锚点生成规则。利用在线难例挖掘算法提高复杂任务下头部目标的检测能力,通过软非极大值抑制减少检测边界框间的相互干扰。研究结果表