行人检测是指通过计算机视觉相关技术,检测出图片或者视频中的行人类别并且给出目标位置。得益于深度卷积神经网络和目标检测模型的发展,行人检测技术也越来越多地被应用在生活中,如智能驾驶、安防以及机器人等领域。然而,行人自身姿态多样、所处的背景极其复杂加之光照、角度等影响,使得该任务极具挑战性。本文主要基于行人自身特点对当前主流的目标检测模型进行优化,实验表明,改进后的行人检测和行人实例分割模型性能都得到了一定的提高。主要研究内容和创新点具体如下:(1)自建数据集。现有的公共数据集虽然很多,但是针对行人实例分割的却寥寥无几。因此,从生活中取景拍摄了1000张图片,包括商场、道路、公园和沙滩等地点,涵盖了清晨、正午、夜晚等不同光照,并且有骑车、小朋友嬉闹、三五成群等生活化场景,随后分别仿照PASCAL VOC和COCO数据集,分别标定得到了两个自建的行人数据集,用于后续改进网络行人检测和行人实例分割任务的数据增强、训练以及测试。(2)改进的YOLO V3行人检测模型。本文在YOLO V3模型的基础上,提出了更加适合行人检测的改进。首先,针对自建的数据集以及行人的特点,重新利用K-means聚类并生成了新的anchor尺寸;其次,为了更好地发挥网络性能,利用分组卷积的思想重新设计了骨干网络Dark Net中的残差连接块,在不增加网络参数和复杂度的同时,提高了模型的精确度。实验结果表明,改进后的网络性能得到了一定程度地提升。(3)改进的Mask RCNN行人实例分割模型。本文基于Mask RCNN模型,提出了改进的行人实例分割算法。针对Mask RCNN中FPN模块对特征通道语义信息利用的不足,提出了CFPN模块并应用于mask分支中。该模块将高层特征通过上采样的方式扩大特征层面积并与低层特征相融合,新得到了特征组则专门用于后续的实例分割任务。最后在多种骨干网络的对比试验中均表明,改进后的行人实例分割模型在AP50和m AP两个指标上均取得了较大的提升。