魏志 劉罡 張旭

摘?要：

針對(duì)現(xiàn)有的行人檢測算法在復(fù)雜場景下檢測速度慢、檢測精度不高的問題，提出一種輕量化密集行人檢測算法MER＼|YOLO（Miniature?Enhanced?Recognition＼|You?Only?Look?Once）。首先，MER＼|YOLO以MobileNetV3（輕量化網(wǎng)絡(luò)模型）作為特征提取主干網(wǎng)絡(luò)，提升模型對(duì)于小目標(biāo)及模糊圖像的學(xué)習(xí)能力；其次，通過融合深度可分離卷積和ECA（Efficient?Channel?Attention）注意力機(jī)制構(gòu)建DPE＼|C3模塊，解決密集行人檢測過程中的遮擋丟失漏檢的問題；最后，MER＼|YOLO使用空間和通道重建卷積處理標(biāo)準(zhǔn)卷積中固有的空間和信道冗余，減少模型計(jì)算需求。該算法應(yīng)用于WiderPerson（混合行人數(shù)據(jù)集）上的檢測精度達(dá)到了78.9%，相較于YOLOv5s算法提升了3.0百分點(diǎn)，同時(shí)模型計(jì)算量比YOLOv5s降低了13.3百分點(diǎn)。因此，MER＼|YOLO算法兼顧了檢測準(zhǔn)確度和檢測速度的要求。

關(guān)鍵詞：行人檢測；輕量化網(wǎng)絡(luò)；注意力機(jī)制；空間重建卷積

中圖分類號(hào)：TP391.4??文獻(xiàn)標(biāo)志碼：A

0?引言（Introduction）

隨著城市交通建設(shè)速度的加快，城市空間布局不斷變化，越加復(fù)雜的道路交通環(huán)境造成交通安全事故頻發(fā)，行人檢測成為計(jì)算機(jī)視覺領(lǐng)域重要的研究方向之一，基于深度學(xué)習(xí)的目標(biāo)檢測算法發(fā)展迅速，在復(fù)雜場景下的目標(biāo)檢測中具有較高的靈活性。

為了提升行人識(shí)別技術(shù)的準(zhǔn)確性，最大限度地減少漏檢情況，研究人員開展了眾多研究。單志勇等［1］基于Faster?R＼|CNN（Faster?Region＼|based?Convolutional?Neural?Network）進(jìn)行了優(yōu)化，在一定程度上減少了重疊區(qū)域的漏檢和誤檢問題。趙九霄等［2］對(duì)SSD（Single?Shot?MultiBox?Detector）網(wǎng)絡(luò)模型進(jìn)行了創(chuàng)新，結(jié)合聚類算法選取檢測框，提高了算法的學(xué)習(xí)效率。馮宇平等［3］對(duì)目標(biāo)檢測算法YOLOv3＼|Tiny進(jìn)行了優(yōu)化，降低了復(fù)雜背景對(duì)檢測精度的影響。石欣等［4］引入了淺層特征金字塔網(wǎng)絡(luò)，雖然提升了模型的小目標(biāo)特征提取能力，但是提升了模型的復(fù)雜度。上述算法難以實(shí)現(xiàn)檢測精度和模型復(fù)雜度的平衡。

基于此，本文將YOLOv5s［5］作為基礎(chǔ)網(wǎng)絡(luò)進(jìn)行改進(jìn)，使用MobileNetV3、深度可分離卷積、ECA注意力機(jī)制、空間和通道重建卷積構(gòu)建一種輕量化的可面向復(fù)雜檢測場景的行人檢測算法模型MER＼|YOLO。在降低模型復(fù)雜度的同時(shí)，提高了其在密集人群場景下對(duì)受遮擋行人的檢測能力。

1?算法改進(jìn)（Algorithm?improvement）

為了能夠快速準(zhǔn)確地檢測出行人，本文以?YOLOv5s（You?Only?Look?Once?version?5?small）為基礎(chǔ)模型進(jìn)行行人檢測算法的改進(jìn)和驗(yàn)證，改進(jìn)后的模型結(jié)構(gòu)如圖1所示。

1.1?輕量化網(wǎng)絡(luò)模塊

本研究的核心目標(biāo)是設(shè)計(jì)一種新的特征提取網(wǎng)絡(luò)架構(gòu)，減少信息融合過程中的梯度冗余，增強(qiáng)網(wǎng)絡(luò)的學(xué)習(xí)效率并加速訓(xùn)練過程。為此，本研究選擇使用MobileNet網(wǎng)絡(luò)，這是一種輕量級(jí)的特征提取模塊，用以替代YOLOv5網(wǎng)絡(luò)中的特征提取模塊，減少模型的體積和參數(shù)量。

MobileNetV3［6］是通過網(wǎng)絡(luò)架構(gòu)檢索（Network?Architecture?Search，?NAS）構(gòu)建的深度神經(jīng)網(wǎng)絡(luò)架構(gòu)，它繼承了MobileNetV1的深度可分離卷積和MobileNetV2的線性殘差結(jié)構(gòu)。MobileNetV3的最大改進(jìn)是在瓶頸結(jié)構(gòu)上增加了壓縮和激勵(lì)（SE）［7］結(jié)構(gòu)，以及用h＼|swish函數(shù)代替swish函數(shù)，由于“s”形曲線的計(jì)算時(shí)間較長，特別是在移動(dòng)設(shè)備上，因此采用h＼|swish近似“s”形曲線，消除量化過程中潛在的精度損失，swish和h＼|swish的公式分別如下：

swishx=x·δ（x）[JZ）][JY]（1）

h＼|swish=x·［ReLU6（x+3）/6］[JZ）][JY]（2）

公式（1）表示swish激活函數(shù)，該函數(shù)將輸入x與δ（x）進(jìn)行逐元素乘法運(yùn)算，在計(jì)算中引入非線性量。公式（2）表示h＼|swish激活函數(shù)，這是一種計(jì)算效率更高的swish版本，它將輸入x與ReLU6［8］函數(shù)進(jìn)行逐元素乘法運(yùn)算，使其能有效地提取重要特征。利用MobileNetV3的特征提取層，可以有效地從輸入數(shù)據(jù)中捕獲相關(guān)特征和判別特征，MobileNetV3的主體網(wǎng)絡(luò)架構(gòu)如圖2所示。

1.2?DPE＼|C3模塊

在目前的道路行人檢測中，檢測目標(biāo)往往很小，增大了檢測網(wǎng)絡(luò)的識(shí)別難度，為了充分提取輸入特征的上下文信息，增強(qiáng)對(duì)行人小目標(biāo)、圖像模糊情形下的檢測能力，對(duì)原有的YOLOv5算法的C3模塊進(jìn)行改進(jìn)，通過融合深度可分離卷積和ECA注意力機(jī)制構(gòu)建DPE＼|C3模塊（圖3）。在增強(qiáng)模型檢測能力的同時(shí)，使得整體模塊更加輕量化，也可以更好地解決梯度消失等導(dǎo)致模型不穩(wěn)定的問題。本文使用深度可分離卷積DPConv替換原C3模塊中的普通卷積，在C3模塊的Concat操作之后加入ECA注意力機(jī)制，增強(qiáng)了模型對(duì)上下文特征信息的提取能力，進(jìn)一步提升了模型對(duì)小目標(biāo)行人的檢測能力。

高效通道注意力機(jī)制ECA［9］（Efficient?Channel?Attention）的結(jié)構(gòu)如圖4所示，它的主要作用是突出特征圖中有效信息的特征通道，ECA模塊考慮到了跨通道的交互問題，能更好地捕捉通道間的聯(lián)系，獲得較高的性能增益。

注意力通道權(quán)值表達(dá)式如下：

w=σ（[WTHX]W[WTBX]y）[JZ）][JY]（3）

其中：σ代表ReLU6激活函數(shù)，[WTHX]W[WTBX]代表一個(gè)c×c的參數(shù)矩陣，w表示通道的權(quán)值。

1.3?SCConv卷積模塊

SCConv［10］卷積模塊（圖5）代表空間和信道重構(gòu)卷積，設(shè)計(jì)了一種新的CNN（Convolutional?Neural?Network）壓縮方法，用以減少卷積層中存在的空間和信道冗余，它通過兩個(gè)獨(dú)特的模塊，即空間重構(gòu)單元SRU（Selective?Receptive?Unit）和通道重構(gòu)單元CRU（Channel?Recalibration?Unit），實(shí)現(xiàn)了較大的性能提升，同時(shí)顯著降低了計(jì)算量，這兩個(gè)模塊最大限度地減少了特征映射中的冗余。

SRU主要關(guān)注特征圖的空間維度，它的目標(biāo)是減少空間冗余。為了實(shí)現(xiàn)這一目標(biāo)，SRU將輸入特征映射分解為多個(gè)空間塊的機(jī)制，并對(duì)每個(gè)空間塊應(yīng)用不同的卷積核，這種方法不僅可以更精確地捕獲每個(gè)空間塊內(nèi)的特征信息，而且可以顯著降低整體空間冗余。

本研究在MER＼|YOLO檢測網(wǎng)絡(luò)的設(shè)計(jì)中，采用SCConv替代原始模型Neck中的普通卷積，減少了標(biāo)準(zhǔn)卷積中普遍存在的空間冗余和信道冗余，從而提高了卷積網(wǎng)絡(luò)模型的性能，同時(shí)減少了計(jì)算需求。

2?實(shí)驗(yàn)與分析（Experiment?and?analysis）

2.1?實(shí)驗(yàn)環(huán)境

模型實(shí)驗(yàn)基于Pytorch框架，實(shí)驗(yàn)所使用GPU為GeForce?RTX3060（16.0?GB），CUDA版本12.0，Pytorch版本1.11，Python版本3.9，CPU為i7＼|11800H，操作系統(tǒng)為Windows11?64位。

2.2?數(shù)據(jù)集

本實(shí)驗(yàn)使用的WiderPerson數(shù)據(jù)集，是一個(gè)多樣化密集行人檢測數(shù)據(jù)集，具有豐富的前景圖像和背景圖像以及行人高度模糊的豐富人群場景。WiderPerson數(shù)據(jù)集中主要涉及的行人有3類，第一類是行人，即完全行人；第二類是騎行者，他們騎電動(dòng)車或自行車；第三類是部分可見的行人，所有行人都受到不同程度的遮擋。在實(shí)驗(yàn)中對(duì)原始數(shù)據(jù)集按照8∶2的比例劃分訓(xùn)練集和測試集。

2.3?實(shí)驗(yàn)結(jié)果與分析

為了有效地評(píng)估模型的檢測效果，采用平均精度均值mAP（mean?Average?Precision）衡量模型的性能，用浮點(diǎn)運(yùn)算次數(shù)FLOPs表示模型的復(fù)雜度。

2.3.1?消融實(shí)驗(yàn)

為了評(píng)估各改進(jìn)部分對(duì)整體算法性能的優(yōu)化程度，本文設(shè)計(jì)了消融實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果如表1所示。

從表1中可以看出，改進(jìn)1實(shí)驗(yàn)引入MobileNetV3模塊后，網(wǎng)絡(luò)模型的FLOPs降低了48%，而mAP0.5和mAP0.5：0.95分別降低了1.4百分點(diǎn)和1.6百分點(diǎn)，表明MobileNetV3模塊在犧牲一定精度的情況下成功地降低了算法的復(fù)雜度。改進(jìn)2實(shí)驗(yàn)引入DPE＼|C3模塊后，雖然FLOPs增加了35.4%，但是網(wǎng)絡(luò)模型的mAP0.5提高了0.7百分點(diǎn)，表明DPE＼|C3模塊可以增強(qiáng)網(wǎng)絡(luò)提取特征和關(guān)注大量語義信息的能力，從而提高針對(duì)小目標(biāo)行人的檢測準(zhǔn)確率。改進(jìn)3實(shí)驗(yàn)引入SCConv模塊后，在不提升網(wǎng)絡(luò)復(fù)雜度的情況下，將網(wǎng)絡(luò)模型的mAP0.5和mAP0.5：0.95均提高了1.7百分點(diǎn)，表明SCConv模塊可以降低卷積網(wǎng)絡(luò)的冗余，提高回歸精度，對(duì)增強(qiáng)網(wǎng)絡(luò)對(duì)遮擋行人的識(shí)別能力有較大的幫助。

與原始YOLOv5s檢測網(wǎng)絡(luò)相比，MER＼|YOLO的mAP0.5提高了3.0百分點(diǎn)，mAP0.5：0.95提高了1.2百分點(diǎn)，模型的復(fù)雜度降低了13.3%。以上結(jié)構(gòu)說明，同時(shí)采用3種改進(jìn)模塊，在提升了模型平均精度的基礎(chǔ)上，也降低了模型的復(fù)雜度，兼顧了模型的檢測精度與計(jì)算量。

2.3.2?不同算法的對(duì)比實(shí)驗(yàn)

為了進(jìn)一步驗(yàn)證本文提出的MER＼|YOLO算法的檢測效果，與現(xiàn)有目標(biāo)檢測算法YOLOv3、YOLOv4和YOLOX＼|Tiny在混合行人數(shù)據(jù)集上的應(yīng)用效果進(jìn)行對(duì)比，得到最符合本文要求的算法模型，MER＼|YOLO與現(xiàn)有目標(biāo)檢測算法的對(duì)比結(jié)果如表2所示。

YOLOv3使用兩種主要的輕量化策略，去除骨干網(wǎng)絡(luò)中的殘差結(jié)構(gòu)，只保留兩個(gè)檢測頭，犧牲了一定的檢測精度，YOLOv3網(wǎng)絡(luò)的mAP0.5和mAP0.5：0.95分別比MER＼|YOLO降低了12.2百分點(diǎn)和10.7百分點(diǎn)，表明MER＼|YOLO更好地兼顧了計(jì)算量和檢測精度要求，盡可能地保留了原有YOLOv5s的基本架構(gòu)，將YOLOv5s網(wǎng)絡(luò)中的Conv模塊替換為SCConv模塊，最大限度地減少了特征網(wǎng)絡(luò)映射中的冗余。此外，MER＼|YOLO網(wǎng)絡(luò)采用ECA注意力機(jī)制，緩解了輕量化帶來的精度下降問題。

YOLOv4通過對(duì)原始網(wǎng)絡(luò)進(jìn)行特定優(yōu)化，將骨干網(wǎng)絡(luò)激活函數(shù)改為LeakyReLu函數(shù)，保留了3個(gè)殘差結(jié)構(gòu)及特征融合金字塔，由于網(wǎng)絡(luò)使用了同樣的輕量化策略，因此網(wǎng)絡(luò)也面臨同樣的精度下降問題。YOLOv4網(wǎng)絡(luò)的mAP0.5和mAP0.5：0.95分別比MER＼|YOLO網(wǎng)絡(luò)降低了12.5百分點(diǎn)和16.8百分點(diǎn)，F(xiàn)LOPs比MER＼|YOLO網(wǎng)絡(luò)多2.4?GB。由此可見，YOLOv4采用的輕量化策略并不適合行人檢測。

YOLOX＼|Tiny中使用的輕量化方案保留了原有的YOLOX的框架結(jié)構(gòu)，減少了網(wǎng)絡(luò)中的通道數(shù)，使網(wǎng)絡(luò)更輕量化。YOLOX＼|Tiny的mAP0.5和mAP0.5：0.95分別比MER＼|YOLO降低了3.8百分點(diǎn)和4.5百分點(diǎn)，F(xiàn)LOPs比MER＼|YOLO網(wǎng)絡(luò)多1.4?GB，實(shí)驗(yàn)數(shù)據(jù)表明，MER＼|YOLO更適合應(yīng)用于行人檢測算法。

2.3.3?可視化實(shí)驗(yàn)對(duì)比

為了更直觀地體現(xiàn)改進(jìn)后算法與原有算法的區(qū)別，本研究使用WiderPerson數(shù)據(jù)集對(duì)比了MER＼|YOLO和YOLOv5s的檢測效果。分別在不同檢測場景下對(duì)模型進(jìn)行檢驗(yàn)，如圖6所示，對(duì)于漏檢目標(biāo)圖中用箭頭標(biāo)簽指示出。對(duì)比圖6（a）和圖6（b），MER＼|YOLO能夠檢測出圖片邊緣部分出現(xiàn)的行人，而原有算法出現(xiàn)了漏檢。在行人互遮擋的檢測中，圖6（c）中原有算法對(duì)貼近的兩個(gè)行人只給出了一個(gè)檢測框，圖6（d）中改進(jìn)后算法給兩個(gè)行人分別分配了檢測框。圖6（e）和圖6（f）為暗光密集行人場景下的檢測效果對(duì)比，MER＼|YOLO算法具有較好的檢測效果，檢測框也更加貼近被檢測行人。綜合對(duì)比各種場景下的檢測效果來看，本文改進(jìn)算法對(duì)于密集行人檢測有更好的檢測效果和魯棒性。

3?結(jié)論（Conclusion）

本文提出的MER＼|YOLO算法是一種輕量化行人檢測網(wǎng)絡(luò)，在MER＼|YOLO檢測網(wǎng)絡(luò)中，通過MobileNetV3輕量化特征提取主干網(wǎng)絡(luò)，降低主干模型復(fù)雜度的同時(shí)，獲取了更多的行人目標(biāo)特征，通過融合深度可分離卷積和ECA注意力機(jī)制構(gòu)建DPE＼|C3模塊，提升了模型對(duì)于小目標(biāo)及模糊圖像的學(xué)習(xí)能力。

在WiderPerson數(shù)據(jù)集上的消融實(shí)驗(yàn)表明，與YOLOv5s相比，MER＼|YOLO可以提高行人識(shí)別精度，同時(shí)最小化網(wǎng)絡(luò)復(fù)雜度。不同算法的對(duì)比實(shí)驗(yàn)結(jié)果表明，與其他算法相比，MER＼|YOLO在準(zhǔn)確性和復(fù)雜性之間取得了更好的平衡。未來，研究人員將通過優(yōu)化模型去除更多冗余的特征信息，進(jìn)一步降低網(wǎng)絡(luò)的復(fù)雜度，確保MER＼|YOLO能夠大幅降低對(duì)計(jì)算能力的需求，并容易部署在算力有限的嵌入式設(shè)備上。

參考文獻(xiàn)（References）

［1］?單志勇，張鐘月.?基于改進(jìn)Faster?R＼|CNN算法的行人檢測［J］.?現(xiàn)代計(jì)算機(jī)，2021，27（23）：124＼|128.

［2］?趙九霄，劉毅，李國燕.?基于改進(jìn)SSD的視頻行人目標(biāo)檢測［J］.?傳感器與微系統(tǒng)，2022，41（1）：146＼|149，156.

［3］?馮宇平，管玉宇，楊旭睿，等.?融合注意力機(jī)制的實(shí)時(shí)行人檢測算法［J］.?電子測量技術(shù)，2021，44（17）：123＼|130.

［4］?石欣，盧灝，秦鵬杰，等.?一種遠(yuǎn)距離行人小目標(biāo)檢測方法［J］.?儀器儀表學(xué)報(bào)，2022，43（5）：136＼|146.

［5］?陳冬冬，任曉明，李登攀，等.?基于改進(jìn)的YOLOv5s的雙目視覺車輛檢測與測距方法研究［J］.?光電子·激光，2024，35（3）：311＼|319.

［6］?楊登杰，葉愛芬，袁舸凡，等.?基于MobileNetV3＼|YOLOv4超市取貨機(jī)器人目標(biāo)檢測策略優(yōu)化設(shè)計(jì)［J］.?電腦知識(shí)與技術(shù)，2022，18（30）：18＼|22.

［7］?賀海玉.?基于多注意力機(jī)制的多粒度讀者畫像分析［J］.?微型電腦應(yīng)用，2023，39（12）：143＼|146.

［8］?張煥，張慶，于紀(jì)言.?卷積神經(jīng)網(wǎng)絡(luò)中激活函數(shù)的性質(zhì)分析與改進(jìn)［J］.?計(jì)算機(jī)仿真，2022，39（4）：328＼|334.

［9］?袁培森，歐陽柳江，翟肇裕，等.?基于MobileNetV3Small＼|ECA的水稻病害輕量級(jí)識(shí)別研究［J］.?農(nóng)業(yè)機(jī)械學(xué)報(bào)，2024，55（1）：253＼|262.

［10］?[ZK（]ZHANG?Z?Y，TAN?L?Y，TIONG?R?L?K.?Ship＼|fire?net：an?improved?YOLOv8?algorithm?for?ship?fire?detection［J］.?Sensors，2024，24（3）：727.

作者簡介：

魏?志（1996＼|），男，碩士生。研究領(lǐng)域：計(jì)算機(jī)視覺，行人檢測。

劉?罡（1981＼|），男，碩士，副教授。研究領(lǐng)域：深度學(xué)習(xí)，計(jì)算機(jī)視覺。

張?旭（1998＼|），男，碩士生。研究領(lǐng)域：機(jī)器視覺，人工智能。