基于改进Faster-RCNN算法的边坡行人安全检测研究

当边坡出现地质灾害时，边坡上的滚石会对下方公路上的行人带来危险，造成人员伤亡和直接的经济损失。对此提出一种视觉行人检测算法，当检测有行人出现时进行警示，避免安全隐患。为提升视觉算法的检测精度，提出了一种改进的Faster-RCNN 目标检测算法。首先，将最大池和平均池分别引入到ResNet 残差结构中，保存更完整的特征信息；其次，提出Fpnc-ResNet50 结构，在ResNet 结构的基础上，融合多尺度特征和CBAM 注意力机制，提高对小目标和行人遮挡问题的识别能力；最后，将EIoU 损失与均方误差损失相结合，加快模型的收敛速度，提高模型在未知数据的检测效果，并进一步改善背景混乱下的行人遮挡问题。通过实验验证，本文提出的算法相比原算法在检测精度上提升了4.01%，有良好的实际应用效果。