摘要
近年来，行人检测领域取得了显著进展，但在遮挡和密集场景下实现高性能仍具挑战性。这一难题主要源于行人通常采用的二维轴对齐边界框（2D axis-aligned bounding box）表示方式——该方法仅能粗略描述目标的位置与尺寸。边界框将物体建模为边界内的均匀分布，导致在遮挡和密集场景中，由于噪声干扰严重，行人之间难以区分。为解决该问题，本文提出一种基于二维贝塔分布（2D beta distribution）的新表示方法，命名为“贝塔表示法”（Beta Representation）。该方法通过显式建模完整人体框与可见部分框之间的关系，并为像素赋予不同的概率值，突出视觉质量中心，从而更精准地刻画行人的空间分布特征。由此，贝塔表示法在密集场景中对高度重叠实例的区分能力显著提升，并结合一种新型非极大值抑制策略——贝塔NMS（BetaNMS），进一步优化检测结果。此外，为充分挖掘贝塔表示法的潜力，本文提出一种新型检测框架——贝塔R-CNN（Beta R-CNN），其包含专为该表示设计的贝塔头（BetaHead）与贝塔掩码模块（BetaMask），在遮挡与密集场景下均实现了优异的检测性能。