La détection des corps humains dans des scènes fortement encombrées constitue un problème difficile. Deux raisons principales expliquent cette difficulté : 1) les indices visuels faibles des instances fortement occluées ne fournissent pas suffisamment d'informations pour une détection précise ; 2) les instances fortement occluées sont plus susceptibles d’être supprimées par la suppression non maximale (NMS). Pour surmonter ces deux défis, nous proposons une variante de détecteurs à deux étapes appelée PS-RCNN. PS-RCNN détecte d’abord les objets légèrement ou non occlués via un module R-CNN (appelé P-RCNN), puis supprime les objets détectés en utilisant des masques en forme humaine, afin que les caractéristiques des objets fortement occlués puissent émerger. Ensuite, PS-RCNN utilise un autre module R-CNN spécialisé dans la détection des humains fortement occlués (appelé S-RCNN) pour identifier les objets manqués par P-RCNN. Les résultats finaux sont obtenus par fusion des sorties des deux modules R-CNN. Par ailleurs, nous introduisons un module High Resolution RoI Align (HRRA) afin de préserver au maximum les caractéristiques à haute résolution des parties visibles des humains fortement occlués. PS-RCNN améliore significativement le rappel et l’AP de respectivement 4,49 % et 2,92 % sur CrowdHuman par rapport à la méthode de référence. Des améliorations similaires sont également observées sur le jeu de données WiderPerson.