行人检测是计算机视觉与模式识别方向一个重要的研究领域,在智能交通、智能视频监控、无人驾驶以及智能机器人等领域有着巨大的应用前景。例如视频监控中关注的行人的运动轨迹和行为,要实现对行人跟踪和行为分析,首先要做的就是检测出视频中的行人。传统的行人检测解决方案主要基于统计分类的方法,通过手工设计类内差异小、类间差异大的特征并训练分类器,从而将检测问题转化为人与非人的二分类问题,目前常用特征包括梯度直方图(HOG)和尺度不变特征转换(SIFT)。但是通常这些手工设计的特征并不具备强大的表征能力,在鲁棒性上有一定的局限性,并且设计这些特征需要扎实的专业基础。近几年来,深度学习(Deep Learning,简称DL)被广泛的应用于计算机视觉相关问题中,并取得了巨大的成功。DL利用卷积神经网络(Convolutional Neural Network,简称CNN)自动学习出目标的特征,并且这种特征具备很强的鲁棒性。本文将基于深度学习算法进行行人检测算法的研究,旨在提高对小尺度行人的检测精度。本文主要的创新点如下:(1)利用CNN的结构特点,对上下文信息进行建模,实现尺度自适应上下文信息的行人检测模型。首先使用图像金字塔和不同大小的模板训练一个多尺度行人检测器,多尺度检测器通过预测heatmap得到类别和边框回归信息。根据CNN感受野的特点,实现对不同尺度的目标增加不同大小的上下文信息,具体来说就是小尺度目标增加大量的上下文信息,而大尺度目标只增加少量的上下文信息。(2)通过将CNN特征融合构建特征金字塔结构,加强对CNN不同层特征的利用,提高对小尺度行人的检测。CNN高层特征感受野大,语义信息丰富,适合检测大尺度行人,而低层特征感受野小,表征能力不强,但保留了丰富的细节信息,有利于检测小尺度的行人。本文将充分利用CNN不同层的特征,首先在CNN在不同层特征上建立检测器,并配合不同大小的模板去检测不同尺度的行人;其次,通过高层特征与低层特征的融合来加强低层特征的表征能力,提高对尺度行人的检测精度。