《表3 不同的传统算法和深度学习算法检测性能》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《遮挡情形下的行人检测方法综述》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

此外表5针对主流处理遮挡的检测方法进行分析。无论是基于深度学习还是传统算法，处理遮挡的思路可分为以下几类：（1）分部处理；（2）训练特定分类器；（3）在判定是人或背景时对判别函数进行优化（例如深度学习算法里的改进损失函数）。从表中可以看出，在处理遮挡问题时，无论是传统还是深度学习算法，主要采取分部处理的思想，相较于整体检查，基于部件的方法的确能够有效地处理遮挡带来的影响，提高行人识别率。然而目前算法主要靠手工对行人进行分块，针对日常生活中的遮挡情况鲁棒性还不是很高，需要进一步研究如何更好地对行人进行分块，并综合各部分之间关系，更好地利用未遮挡部分推断行人位置。基于特定分类器的算法虽然可以在一定程度上处理遮挡，但耗费时间过长，且在不同情景下鲁棒性略低，因此在深度学习算法中很少再利用这一思想处理遮挡。由于深度网络的结构特点，除了基于部件算法之外，基于优化的思想处理遮挡也逐渐成为主流，这类算法目的是使预测框能更加接近真实目标框。如何改进判别函数，更好地使预测框和所负责的真实目标框的距离缩小是需要改进的方向。