摘要

在高度拥挤场景中检测人体是一项极具挑战性的任务。造成这一难题的两个主要原因在于：1）被严重遮挡的人体实例视觉线索微弱，难以提供足够的信息以实现精准检测；2）这些被严重遮挡的实例更容易在非极大值抑制（Non-Maximum Suppression, NMS）过程中被抑制。为解决上述问题，我们提出了一种两阶段检测器的变体——PS-RCNN。PS-RCNN首先通过一个R-CNN模块（称为P-RCNN）检测那些轻微或未被遮挡的物体；随后，利用人体形状的掩码对已检测到的实例进行抑制，从而使被严重遮挡人体的特征得以凸显。在此基础上，PS-RCNN进一步采用另一个专用于检测严重遮挡人体的R-CNN模块（称为S-RCNN），以补全P-RCNN遗漏的检测目标。最终结果为两个R-CNN模块输出结果的集成。此外，我们引入了高分辨率感兴趣区域对齐（High Resolution RoI Align, HRRA）模块，以尽可能保留严重遮挡人体可见部分的细粒度特征。在CrowdHuman数据集上，与基线方法相比，PS-RCNN分别将召回率（recall）和平均精度（AP）提升了4.49%和2.92%；在WiderPerson数据集上也取得了类似的性能提升。