Die Erkennung von Fußgängern in dichten Szenen ist ein anspruchsvolles Problem, da die Fußgänger oft zusammenstehen und sich gegenseitig verdecken. In dieser Arbeit schlagen wir ein neues occlusion-aware R-CNN (OR-CNN) vor, um die Erkennungsrate in der Menge zu verbessern. Insbesondere entwickeln wir einen neuen Aggregationsverlust, um Vorschläge dazu zu zwingen, nahe beieinander und eng an den entsprechenden Objekten positioniert zu werden. Gleichzeitig verwenden wir eine neue part occlusion-aware Region of Interest (PORoI)-Pooling-Einheit, um die RoI-Pooling-Schicht zu ersetzen, um Strukturinformationen des menschlichen Körpers mit Sichtbarkeitsvorhersage in das Netzwerk zu integrieren und so Verdeckungen besser bewältigen zu können. Unser Detektor wird in einem end-to-end-Prozess trainiert und erzielt dabei Stand-der-Technik-Ergebnisse auf drei Fußgängererkennung-Datensätzen, nämlich CityPersons, ETH und INRIA, und erreicht vergleichbare Leistungen mit den besten Methoden auf dem Caltech-Datensatz.