FCHD在人群中准确快速的检测头部算法

来自霍尼韦尔的资深数据科学家Aditya Vora分享了一种快速精准的人头检测（head detector）算法并开源了代码。

先来看下检测视频截图：

人头检测在安防监控中是比较常用的功能，而公交车、商场或者大型场馆的拥挤人群计数的精准性也非常重要。

传统的算法原理
作者称拥挤人群计数目前主要有两种实现路径：
1.运用回归的算法思绪，直接依据图像回归出拥堵人群密度热图，它的缺陷是只能得到场景整体的一个拥堵指数，不能获知人群个体的详细位置，而且这种办法对图像分辨率很敏感。
2.运用目的检测的办法，比方直接运用Faster RCNN检测人，检测后数目的为“人”的个数。这种办法的缺陷是在人物互相遮挡的状况下常常性能较差，而人群越拥堵互相遮挡的可能性越大，招致算法运用受限。

该文作者希望设计更有针对性的精准的人头检测，完成愈加精准的人群计数。
作者创新的两点，轻量级人头检测网络和anchors尺度的选择。
算法的网络架构：

从上图可知，网络的前半局部是VGG16特征提取网络，经过一次卷积，然后分开分别运用1*1卷积进入Regression head（用于回归人头的位置信息）和Classification head（用于分类能否为人头）。

在检测网络中，anchors是很重要的概念，是一组预定义的包围框，在对象检测系统中预测尺度和位移。作者以为普通目的辨认中anchors的尺度定义过大，应该依据“有效感受野”（effective receptive field）的思想，减小尺度（直观上“人头”目的比“人体”目的也要小）。

 

 

实验结果
作者在BRAINWASH数据库上做了实验，打败了三个基线算法，并取得了与最好结果算法“可比较“的性能。

提出的算法比较快，使用Quadro M1000M显卡（仅有512 CUDA核心）速度达到5fps，使用Jetson TX2（仅有256 CUDA核心）速度1.6fps。相比以往算法更加适合于嵌入式边缘计算平台。

 

论文、代码、数据下载：
在“图像算法”公众号对话界面回复“FCHD”，即可收到百度云下载地址。