來自霍尼韋爾的資深資料科學家Aditya Vora分享了一種快速精準的人頭檢測（head detector）算法并開源了代碼。
先來看下檢測視訊截圖：
人頭檢測在安防監控中是比較常用的功能，而公共汽車、商場或者大型場館的擁擠人群計數的精準性也非常重要。
傳統的算法原理
作者稱擁擠人群計數目前主要有兩種實作路徑：
1.運用回歸的算法思緒，直接依據圖像回歸出擁堵人群密度熱圖，它的缺陷是隻能得到場景整體的一個擁堵指數，不能獲知人群個體的詳細位置，而且這種辦法對圖像分辨率很敏感。
2.運用目的檢測的辦法，比方直接運用Faster RCNN檢測人，檢測後數目的為“人”的個數。這種辦法的缺陷是在人物互相遮擋的狀況下常常性能較差，而人群越擁堵互相遮擋的可能性越大，招緻算法運用受限。
該文作者希望設計更有針對性的精準的人頭檢測，完成愈加精準的人群計數。
作者創新的兩點，輕量級人頭檢測網絡和anchors尺度的選擇。
算法的網絡架構：
從上圖可知，網絡的前半局部是VGG16特征提取網絡，經過一次卷積，然後分開分别運用1*1卷積進入Regression head（用于回歸人頭的位置資訊）和Classification head（用于分類能否為人頭）。
在檢測網絡中，anchors是很重要的概念，是一組預定義的包圍框，在對象檢測系統中預測尺度和位移。作者以為普通目的辨認中anchors的尺度定義過大，應該依據“有效感受野”（effective receptive field）的思想，減小尺度（直覺上“人頭”目的比“人體”目的也要小）。
實驗結果
作者在BRAINWASH資料庫上做了實驗，打敗了三個基線算法，并取得了與最好結果算法“可比較“的性能。
提出的算法比較快，使用Quadro M1000M顯示卡（僅有512 CUDA核心）速度達到5fps，使用Jetson TX2（僅有256 CUDA核心）速度1.6fps。相比以往算法更加适合于嵌入式邊緣計算平台。
論文、代碼、資料下載下傳：
在“圖像算法”公衆号對話界面回複“FCHD”，即可收到百度雲下載下傳位址。