يُشكّل NMS الجشعة (Greedy-NMS) بشكل طبيعي تنازُعًا، حيث يؤدي تقليل حد NMS إلى انخفاض محتمل في معدل الاسترجاع، بينما يؤدي رفع هذا الحد إلى زيادة في عدد الكشفات الخاطئة. وتشتد هذه المشكلة في كشف المشاة نظرًا لتغير كثافة الكائنات بشكل أكثر حدة. ومع ذلك، لم تأخذ الدراسات السابقة لـ NMS بعين الاعتبار عامل وجود مشاة قريبين، أو أخذته بعين الاعتبار بشكل غامض. ولذلك، نقترح نموذج "مُوَهِّم الكائنات القريبة" (Nearby Objects Hallucinator - NOH)، الذي يحدد الكائنات القريبة من كل اقتراح باستخدام توزيع غاوسي، إلى جانب NOH-NMS، الذي يُقلّل ديناميكيًا من قمع الكائنات في المساحات التي من المرجح أن تحتوي على كائنات أخرى. مقارنةً بـ Greedy-NMS، يُحسّن نهجنا، الذي يُعدّ الأفضل في حالته الحالية، من أداء نموذج التقييم بنسبة 3.9% في AP، و5.1% في الاسترجاع، و0.8% في MR⁻² على مجموعة بيانات CrowdHuman، ليصل إلى 89.0% في AP، و92.9% في الاسترجاع، و43.9% في MR⁻² على التوالي.