復雜場景下的行人跌倒檢測算法

方 可，劉 蓉，魏馳宇，張心月，劉 楊

（華中師范大學 物理科學與技術學院，武漢 430079）

0 引言

人口老齡化是我國目前一個重要的趨勢，第七次全國人口普查結(jié)果顯示，2020 年我國60 歲及以上人口已超2.6 億，占總?cè)丝诒壤?8.70%［1］。世界衛(wèi)生組織（World Health Organization，WHO）指出，跌倒已經(jīng)成為全球老年人共同面臨的一個健康問題，在全世界范圍內(nèi)都是一個非常嚴峻的公共衛(wèi)生問題，它會增加社會醫(yī)療負擔，影響老年人生活質(zhì)量。2014 年一項針對中國老年人跌倒發(fā)生率的Meta 分析［2］指出，我國老年人的跌倒率為18.3%，因跌倒所致的直接醫(yī)療費用每年高達50 億元人民幣［3］。因此，對跌倒進行檢測并及時采取相應措施以減輕跌倒所帶來的傷害，可以降低老年人的安全風險，節(jié)省社會醫(yī)療資源。

隨著機器學習和人工智能的飛速發(fā)展，檢測系統(tǒng)涌現(xiàn)出許多研究與算法。根據(jù)設備和檢測方法的不同，目前常見的跌倒檢測方法主要分為三大類：基于可穿戴式傳感器的方法、基于場景傳感器的方法和基于計算機視覺的方法［4］。基于可穿戴設備的方法主要是將加速度傳感器、紅外傳感器等嵌入到手環(huán)、衣服等設備中自動檢測跌倒行為，通過藍牙、無線網(wǎng)絡等通信設備發(fā)送求助信息，這種方式需要老年人常年佩戴傳感器，用戶體驗受限；基于場景傳感器的方法利用安裝在監(jiān)控區(qū)域內(nèi)的場景傳感器采集環(huán)境信息以判斷是否發(fā)生跌倒行為，但此類方法抗噪性差，容易錯報導致準確率較低；基于計算機視覺的跌倒檢測不同于穿戴式和環(huán)境式的檢測方式，通過從監(jiān)控設備中獲取人體運動信息，并對獲取的視頻和圖像進行處理以檢測跌倒目標，具有無需穿戴、不影響正常活動的特點，并且實時性好，檢測準確率也更高。

利用計算機視覺進行跌倒檢測的重點是如何有效提取視頻圖像中的運動目標并判斷是否發(fā)生跌倒。隨著計算機視覺和深度學習技術近年來的快速發(fā)展，基于深度學習的目標檢測算法成為主流的跌倒檢測方式。深度學習中目標檢測算法主要分為兩大類別：基于候選區(qū)域和基于回歸。基于候選區(qū)域的目標檢測算法也稱為二階段（two stage）方法，以Faster R-CNN（Region-based Conventional Neural Network）［5］為例，將目標檢測問題分成兩個階段：一是使用區(qū)域候選網(wǎng)絡（Region Proposal Network，RPN）經(jīng)過卷積操作后生成一系列可能包含目標的候選區(qū)域；二是把候選區(qū)域放入分類器中進行分類并修正位置。基于回歸的目標檢測算法只有一階段（one stage）方 法，以YOLO（You Only Look Once）［6］、SSD（Single Shot multibox Detector）［7］、CenterNet［8］、全卷積一階段目標檢 測（Fully Convolutional One-Stage object detection，F(xiàn)COS）［9］等算法為代表，直接對預測的目標物體進行回歸，雖然檢測速度較快，但是檢測精度較低。

基于深度學習的跌倒檢測算法研究中，F(xiàn)eng 等［10］提出一種結(jié)合跌倒場景空間與時間的長短期記憶（Long Short-Term Memory，LSTM）模型，并在一階段代表算法YOLOv3（You Only Look Once version 3）［11］的基礎上加入跟蹤模塊，為每個跟蹤的邊界框提取卷積神經(jīng)網(wǎng)絡（Convolutional Neural Network，CNN）特征，取得了良好的性能與檢測速度。朱艷等［12］提出一種新型跌倒檢測模型，以深度視覺傳感器獲取的骨骼節(jié)點為樣本數(shù)據(jù)源，輸入所設計的CNN 模型中進行訓練，得到優(yōu)化的跌倒檢測模型參數(shù)。Chen 等［13］首次將二階段代表算法Mask R-CNN［14］用于準確提取噪聲背景中的運動目標，并提出一種注意引導的雙向LSTM 模型用于最終的跌倒事件。馬露等［15］針對監(jiān)控視頻中的復雜場景及多種相似性人類行為干擾的情況，在典型單階段目標檢測算法SSD 的基礎上，提出一種改進的特征融合單階段多框檢測器（Feature fusion Single Shot multibox Detector，F(xiàn)SSD）跌倒檢測方法，可以有效檢測每幀圖像的跌倒目標。Cai 等［16］針對深度網(wǎng)絡中的信息丟失問題，提出了一種使用多任務沙漏卷積自動編碼器的基于視覺的跌倒檢測方法，通過完成幀重建的輔助任務來增強網(wǎng)絡特征，以實現(xiàn)精確的跌倒檢測。曹建榮等［17］提出了一種融合人體運動信息的深度學習跌倒檢測算法，著重改善了人為涉及特征造成的不完備性、前后景分離困難和目標混淆或丟失的問題。García 等［18］使用LSTM 神經(jīng)網(wǎng)絡對時間序列進行分類，并提出一種新的數(shù)據(jù)增強階段，通過合并日常活動中的時間序列，在訓練中引入了可變性，從而讓模型變得更穩(wěn)健、精確。Wang 等［19］提出一種雙通道特征融合的跌倒檢測方法，首先使用目標檢測模型和人體姿態(tài)檢測模型獲取人體關鍵點和位置信息，然后利用雙通道滑動窗口模型提取人體的動態(tài)及靜態(tài)特征，輸入多層感知機（Multi-Layer Perceptron，MLP）和隨機森林進行最后的分類。上述算法均能取得不錯的效果，但是模型參數(shù)量和計算量都較高，網(wǎng)絡結(jié)構(gòu)復雜，訓練難度較大，導致實時性差；并且在復雜場景下的魯棒性一般，適用范圍有限，難以應用于實際環(huán)境中。

本文針對復雜場景下跌倒檢測率較低的問題，提出一種改進的跌倒檢測模型——PDD-FCOS（PVT DRFPN DIoU-Fully Convolutional One-Stage object detection），在特征提取和特征融合部分融合多種注意力機制，計算并調(diào)整不同通道的權(quán)重，促進網(wǎng)絡識別目標的位置特征，以準確實現(xiàn)跌倒檢測。

本文的主要工作包括如下內(nèi)容。

1）為提取豐富的多尺度特征，特征提取過程中采用金字塔視覺轉(zhuǎn)換器（Pyramid Vision Transformer，PVT）［20］替換ResNet50［21］作為骨干網(wǎng)絡進行特征提取，引入特征金字塔結(jié)構(gòu)，沒有任何卷積操作，在減少計算量且不增加參數(shù)量的同時，能提取到豐富的語義信息。

2）在特征融合過程中引入雙重細化特征金字塔網(wǎng)絡（Dual Refinement Feature Pyramid Networks，DRFPN）［22］。它由空間細化塊（Spatial Refinement Block，SRB）和信道細化塊（Channel Refinement Block，CRB）兩個模塊組成，分別用于緩解空間采樣不準確和信道融合不準確的問題。

3）采用距離交并比（Distance Intersection over Union，DIoU）［23］損失，加快模型訓練收斂，解決交并比（Intersection over Union，IoU）［9］不能衡量框的距離以及相交方式的問題，為邊界框提供移動方向和更準確的位置信息。

1 FCOS網(wǎng)絡模型

FCOS 是一種基于全卷積的單階段目標檢測器，是像素級別的目標檢測，主要思想類似于語義分割。FCOS 網(wǎng)絡結(jié)構(gòu)如圖1 所示。FCOS 選取ResNet50 作為基礎網(wǎng)絡，首先骨干網(wǎng)絡對圖片進行多層次特征提取得到3 組特征結(jié)果后，在特征融合階段將特征圖｛C3，C4，C5｝作為特征融合層的輸入；然后通過自頂向下和橫向連接等方式融合形成特征金字塔｛P3，P4，P5，P6，P7｝，每層特征圖輸入檢測頭模塊后都有逐像素點的分類和回歸兩條支路。

圖1 FCOS網(wǎng)絡結(jié)構(gòu)Fig.1 Network structure of FCOS

為了抑制低質(zhì)量的正樣本，F(xiàn)COS 引入中心度（Centerness）［13］的概念，中心度的定義如式（1）所示：

中心度表示樣本偏離中心的程度，取值范圍為［0，1］，若樣本逐漸偏離中心，中心度會越來越小。FCOS 中檢測頭模塊新加一個分支用于預測中心度，在非極大值抑制（Non-Maximum Suppression，NMS）［9］過程中，過于偏離中心的樣本有可能被去除，從而提升整體算法的性能。

2 跌倒檢測模型

為適應在復雜場景下對行人跌倒行為的檢測，提升檢測效果，本文提出的PDD-FCOS 是一種無錨框的跌倒檢測算法。算法模型由特征提取、特征融合和檢測頭這3 個模塊構(gòu)成，結(jié)構(gòu)如圖2 所示。首先在特征提取模塊，鑒于注意力機制獲取多尺度特征的能力，輸入圖片經(jīng)過無卷積操作的金字塔視覺轉(zhuǎn)換器（Pyramid Vision Transformer，PVT）提取得到多層次特征｛P2，P3，P4，P5｝，提取更加豐富的語義信息。其次在特征融合模塊，構(gòu)建DRFPN，采用SRB 優(yōu)化通道間的融合方法，并通過CRB 賦予各通道不同的權(quán)重。最后通過橫向連接的方式形成特征金字塔｛N2，N3，N4，N5，N6，N7｝傳向檢測頭，檢測頭模塊主要進行最終的分類和回歸。為更好地衡量真實框與預測框的位置關系與相交方式，使收斂框收斂更快、精度更高，本文算法在回歸框損失函數(shù)中采用DIoU。本章將聯(lián)系基準FCOS 算法中的各種檢測問題，從特征提取、特征融合和損失函數(shù)3 個模塊對PDD-FCOS 模型所作改進進行詳細的闡述。

圖2 PDD-FCOS模型結(jié)構(gòu)Fig.2 Structure of PDD-FCOS model

2.1 特征提取模塊

FCOS 骨干網(wǎng)絡ResNet50 的感受野隨著深度的增加而增大，只能逐步獲取期望的局部結(jié)構(gòu)。為了可以在密集的預測任務中提取更豐富的特征信息，本文在骨干網(wǎng)絡處采用PVT，此結(jié)構(gòu)基于純Transformer 模塊通過將圖像視為塊序列，并融入金字塔結(jié)構(gòu)以提取多尺度特征圖。PVT 能產(chǎn)生全局感受野，所以比ResNet50 的局部感受野更適合檢測目標。同時，由于金字塔結(jié)構(gòu)的推進，PVT 更容易插入許多有代表性的密集預測管道。

為了以更簡單的方式處理高分辨率的特征圖，PVT 對ViT（Vision Transformer）的多頭注意力模塊作了調(diào)整，提出一種線性空間減少注意力（Spatial Reduction Attention，SRA）機制［23］，它接收一個查詢Q、一個鍵K和一個值V作為輸入，并輸出一個改進后的特征。SRA 中的K和V空間均減少，降低了計算和內(nèi)存的成本。可以將第一階段的SRA 詳細信息表述如式（2）～（4）所示：

本文采用的PVT 版本為PVTv2［24］，突出特點為SRA 的應用。通過空間縮減，SRA 的計算和存儲成本遠小于多頭注意力（Multi-Head Attention，MHA），MHA 與線性SRA 的操作對比如圖3 所示，其中c指輸出通道。

圖3 多頭注意力與線性SRA的對比Fig.3 Comparison between multi-head attention and linear SRA

與PVTv1 中使用卷積進行空間縮減的SRA 不同，線性SRA 使用平均池化將空間維度H×W在注意力操作之前縮減為固定大小的P×P，因此線性SRA 具有跟卷積層相似的線性計算和內(nèi)存成本。

PVT 整個結(jié)構(gòu)中一共分為4 個相似的階段，堆疊多個獨立的Transformer encoder，每個Transformer 模塊都由一個多頭自注意力（Multi-Head Self-Attention，MHSA）層［25］和一個前饋多層感知機（Feedforward MLP，F(xiàn)MLP）［25］組成。MHSA的計算公式如式（5）所示：

其中：Q為查詢矩陣，K和V分別為矩陣表示的鍵和值，d表示詞向量的長度。PVT 在每個階段中通過貼片嵌入（Patch Embedding，Patch Emb）逐漸降低輸入的分辨率。在第一階段給定一個H×W×3 大小的輸入圖像，首先將它劃分為（H/4）×（W/4）個切片，每個切片的尺寸為4×4×3；然后將展平的切片送到線性投影，并獲得尺寸為（H/4）×（W/4）×C1的Patch Embedding、Patch Embedding 和Position Embedding 一起通過具有L1層的Transformer 編碼器；最后輸出重塑后尺寸為（H/4）×（W/4）×C1的特征圖F1。以相同的方式，使用前一階段的特征圖作為輸入，從而獲得以下特征圖F3、F4 和F5，其相較于輸入圖像的步幅分別為8、16、32和64。使用金字塔特征圖｛F2，F(xiàn)3，F(xiàn)4，F(xiàn)5｝，使PVT 可以適當作為目標檢測任務的骨干提取網(wǎng)絡。PVT的總體架構(gòu)如圖4所示。

圖4 PVT的總體架構(gòu)Fig.4 Overall architecture of PVT

2.2 雙重細化金字塔特征融合模塊

經(jīng)過骨干網(wǎng)絡PVT 提取得到多層次特征｛F2，F(xiàn)3，F(xiàn)4，F(xiàn)5｝后，為了讓低層特征圖盡可能地預測小物體，讓高層特征圖盡可能地預測大物體，F(xiàn)COS 采用多尺度分級預測機制特征金字塔網(wǎng)絡（Feature Pyramid Network，F(xiàn)PN）［9］。FPN 包括兩個階段：第一階段，F(xiàn)PN 對每個通道的特征圖進行上采樣，由于存在許多不同維度的卷積算子和重復的池化操作，相鄰特征會存在語義和分辨率上的差距，因此插值法在合并中引入了大量錯誤和冗余的信息；第二階段，F(xiàn)PN 使用直接加法融合向上采樣具有相同空間分辨率的通道；但是部分模式包含更抽象的信息，而其他模式包含更詳細的信息，因此合并時這些模式的重要性是不同的。

為更好提升模型的性能，本文采用雙重細化特征金字塔網(wǎng)絡（DRFPN）解決以上問題，DRFPN 由空間細化塊（SRB）和信道細化塊（CRB）兩個模塊組成。SRB 基于相鄰級別之間的上下文信息學習采樣點的位置和內(nèi)容。CRB 學習了一種基于注意力機制的自適應信道合并方法，在特征地圖層面學習不同模式之間的關系，有利于準確區(qū)分物體和背景。SRB和CRB 的結(jié)構(gòu)如圖5 所示。

圖5 SRB和CRB的結(jié)構(gòu)Fig.5 Structure of SRB and CRB

SRB 主要解決兩個問題：第一，僅基于位置信息對分辨率較高的特征圖進行上采樣是不準確的；第二，不同的采樣點包含不同的語義信息，不應具有相同的權(quán)重。SRB 首先合并相鄰層的上下文信息學習采樣點的偏移量，然后使用全局信息細化每個采樣點的值。SRB 總體過程分為兩個子任務：采樣點偏移和全局信息細化。如圖5（a）所示，SRB 學習整個特征映射的每個像素的偏移量，使偏移矩陣的參數(shù)數(shù)量大幅減少，而且SRB 結(jié)合不同尺度的信息，準確得出采樣位置。SRB 還利用全局信息細化采樣權(quán)重，使采樣結(jié)果更加準確。SRB 的計算輸出公式如式（6）所示：

其中conv3是指3×3 的卷積層；up 是上采樣操作；ω是重新排列的權(quán)重指在所有像素被映射后，形成的與低級別特征圖大小相同的特征圖；⊙是Hadamard 乘積。SRB 首先使用兩個1×1 的卷積層壓縮兩個特征圖Flow和Fhigh的通道，并通過逆卷積層將Fhigh采樣到與Flow相同的大小，然后將它們連接在一起，并使用連接后的特征映射作為SRB 全局細化工作的輸入，P是SRB 的最終輸出結(jié)果。

CRB 旨在根據(jù)上下文優(yōu)化通道間的融合方法。如圖5（b）所示，該模塊以自下而上的方式工作，使用通道注意機制引導網(wǎng)絡在相鄰層合并時學習通道的權(quán)重。CRB 側(cè)重于在合并時相鄰層如何通過上下文相互引導，并在特征融合過程中使用低級特征映射的語義信息學習高級特征映射的權(quán)重。在不顯著增加計算量的情況下，CRB 捕獲通道之間更準確的語義關系，并提高最終檢測性能。CRB 的計算輸出公式如式（7）（8）所示：

其中：GAP 表示全局平均池化，conv3表示3×3 卷積，conv1是一個內(nèi)核大小為1×1的卷積核，convdown是3×3步幅的卷積。CRB首先通過全局平均池化在特征圖Flow上獲取權(quán)重引導信息，并與1×1 卷積層細化后的Fhigh進行Hadamard 乘積，然后加上步長為2、大小為3×3的卷積層處理Fhigh后的特征圖得到Pl，并由另一個3×3的卷積層處理后得到CRB的最終特征Nl。

2.3 損失函數(shù)

對目標進行位置預測時，算法生成不止一個預測框，需要使用非極大值抑制（NMS）方法［9］刪除多余的預測框，從而選擇最接近真實框的預測框。在FCOS 中，交并比（IoU）［9］作為衡量邊界框置信度的評價指標，對正負樣本的選擇起著至關重要的作用。研究證明，IoU 損失函數(shù)在回歸框損失的計算擁有不錯的效果，但是IoU 無法衡量兩個邊界框的距離，不能反映兩者的相交方式，而且IoU 損失函數(shù)僅與兩框的IoU 和相交面積相關。如果直接使用IoU 作為損失函數(shù)，當兩框相交面積相同時IoU 損失函數(shù)也相等，無法給出預測框和真實框的重合度；當兩框不相交時損失函數(shù)為零，無法優(yōu)化邊界框，無法準確衡量位置信息。針對上述問題，本文采用距離交并比（DIoU）代替IoU 作為評價邊界框位置的參數(shù)，同時使用DIoU Loss 作為邊界框位置預測的損失函數(shù)。DIoU在IoU 的基礎上加入一個包含邊界框和真實框的最小凸包，DIoU 定義如式（9）所示：

其中：ρ代表兩個框中心點之間的歐氏距離，B和Bgt分別表示預測框和真實框，C表示能夠同時覆蓋預測框和真實框最小矩形的對角線距離。當兩框的DIoU 值越大時，損失函數(shù)就越小。當邊界框與目標框全部重合時損失函數(shù)為0；當兩框相距很遠時損失函數(shù)等于2，所以能夠更好地反映兩框之間的重合度。目標檢測算法中已引入多種回歸框損失函數(shù)，在本文算法中DIoU 的精度提升效果與參數(shù)復雜度最優(yōu)，所以本文采用DIoU 作為損失函數(shù)。當邊界框與目標框不相交時，DIoU 仍然可以為邊界框提供更準確的移動方向，并且它損失限制的是兩個框的距離，因此會提高模型收斂速度，即使兩框包含也能達到上述效果。同時，利用DIoU 代替IoU 作為評價參數(shù)，當邊界框與真實框上下或左右相鄰時，DIoU 能夠優(yōu)化不相交的邊界框，保留位置更準確的邊界框，從而提高模型對目標位置預測的準確率，使它通過NMS 篩選得到的結(jié)果更加合理。

3 實驗與結(jié)果分析

3.1 實驗數(shù)據(jù)集

本次實驗使用百度AIStudio 上的開源跌倒檢測數(shù)據(jù)集Fall detection Database（https：//aistudio.baidu.com/aistudio/datasetdetail/94809），該數(shù)據(jù)集為VOC 格式，總共有1 442 張圖片，包含多種場景下的跌倒情形。數(shù)據(jù)集中多場景跌倒的示例見圖6。本文實驗將數(shù)據(jù)集轉(zhuǎn)化為COCO 格式，并按照8∶2 隨機分為訓練集和測試集，即訓練集1 154 張，測試集288 張。為提高模型泛化能力，本文在實驗中對數(shù)據(jù)采取了水平翻轉(zhuǎn)、隨機剪裁、角度旋轉(zhuǎn)等擴充方式。

圖6 多場景跌倒示例Fig.6 Fall examples in multiple scenes

3.2 評估標準及實驗環(huán)境

本文利用準確率P（Precision）和召回率R（Recall）計算的平均精確度均值（mean Average Precision，mAP）作為網(wǎng)絡模型性能評估標準。mAP 是所有類別平均檢測準確率（Average Precision，AP）的均值，用來評價檢測模型的整體性能。P、R和mAP的計算如式（10）～（13）所示：

其中：TP（True Positive）為被正確預測的正例數(shù)，F(xiàn)P（False Positive）為被錯誤預測為正例的負例數(shù)，F(xiàn)N（False Negative）為被錯誤預測為負例的正例數(shù)，n為檢測類別數(shù)，VAP(i)為各類檢測精度。本文搭建的實驗環(huán)境具體設置如表1 所示。

表1 實驗環(huán)境Tab.1 Experimental environment

訓練時采用AdamW 的優(yōu)化算法，初始學習率為0.001，共訓練60 輪，并使用MultiStepLR 衰減策略，在48 輪和54 輪時將學習率調(diào)整為當前的1/10。

3.3 實驗場景測試

本文在多場景下將原始FCOS 和本文算法進行可視化對比，跌倒檢測效果按前倒、后倒、側(cè)倒和復雜場景這4 種方式進行對比展示，可視化結(jié)果如圖7 所示。通過對比可以看出，在4 種方式下，本文算法的檢測精度均有不同程度的提升，該可視化效果圖也驗證了本文算法能提升行人跌倒檢測的有效性。

圖7 可視化結(jié)果對比Fig.7 Comparison of visualization results

3.4 對比實驗

本實驗將本文檢測算法與其他4 種主流目標檢測算法（文獻［5，11，14］算法和基準算法FCOS［9］）進行比較，從而進一步驗證本文算法的有效性。實驗將IoU 值為0.5 時的mAP作為評價標準，并列出各算法的參數(shù)量與計算量，如表2所示。

表2 實驗結(jié)果對比Tab.2 Comparison of experimental results

本文算法與兩階段目標檢測算法代表Faster R-CNN 相比，參數(shù)量與計算量均有所減小，但是mAP 有0.9 個百分點的提升；與以Faster R-CNN 為基準改進的Mask-RCNN 相比，mAP 也有0.4 個百分點的提升；與一階段目標檢測算法代表YOLOv3 相比，在計算量有所減小、參數(shù)量減半的情況下，mAP 仍提高了1.9 個百分點；與基準算法FCOS（Baseline）相比，雖然參數(shù)量略有增加，但是計算量有所減小，mAP 也在原基礎上提升了6.4 個百分點。通過與多種主流目標檢測算法的比較，驗證了本文算法的有效性。

3.5 消融實驗

為驗證本文算法各個模塊對AP 的影響，本文設置了4組對比實驗，IoU 值設置為0.5，除去表3 中對比的模塊以外，其余設置全部相同。消融實驗結(jié)果如表3 所示。

在第1 組使用基準（Baseline）算法FCOS，即沒有任何改進的情況下mAP 為75.8%；第2 組實驗用金字塔視覺轉(zhuǎn)換器（PVT）替換了骨干網(wǎng)絡ResNet50 之后，mAP 提升了4.0 個百分點；第3 組實驗在回歸框損失計算中用DIoU 代替了IoU 之后，mAP 又提升了1.7 個百分點；第4 組實驗將雙重細化特征金字塔（DRFPN）插入原有FPN 之后，mAP 進一步提升了0.7個百分點。消融實驗結(jié)果表明改進后的算法mAP 比原Baseline 算法整體提升了6.4 個百分點，證明了該算法在各模塊改進后均能有效提升對多場景行人跌倒的檢測精度。

4 結(jié)語

本文針對行人跌倒檢測在復雜場景下檢測精度較低的問題，提出一種行人跌倒檢測模型——PDD-FCOS。在特征提取階段，針對FCOS 骨干網(wǎng)絡ResNet50 網(wǎng)絡過深導致參數(shù)量過大的問題，引入一種金字塔結(jié)構(gòu)的特征轉(zhuǎn)換器PVT 作為新的骨干網(wǎng)絡，從而提取到更為豐富的特征語義；在特征融合階段，加入SRB 和CRB 兩個模塊，彌補了FPN 中相鄰層特征融合的設計缺陷。在邊界回歸損失問題上，考慮中心點距離的歸一化問題，采用距離交并比的策略，使收斂更快，性能更好。實驗結(jié)果表明，在減少計算量的情況下，比原算法的mAP 提高了6.4 個百分點，可見改進后算法的有效性。實驗結(jié)果也表明，對于行人跌倒數(shù)據(jù)集中小目標的檢測效果仍有待提高，這也是未來要進一步研究的內(nèi)容。