Page 59 - 《武汉大学学报（信息科学版）》2025年第6期

第 50 卷第 6 期 谢亚坤等：顾及小目标特征的无人机影像人员检测方法 1081

malization， BN）和 参 数 化 线 性 单 元（parametric 的加工，以增强小目标人员的特征表示能力。联
rectified linear unit， PReLU）等 操 作 进 行 进 一 步 合特征获取可表示为：
F joint = PReLU ( BN ( Conv 3 × 3 ( Conv 1 × 1 ( X ) ) ⊕DilatedConv( Conv 1 × 1 ( X ) ) ) ) （6）
式中，X 为输入特征；F joint 为联合特征；Conv n×n 表 征 表 达 。 而 全 局 上 下 文 特 征 则 通 过 GAP 和
示 n×n 卷 积 ；DilatedConv 表 示 扩 张 卷 积 ；⊕ 表 MLP 捕获图像的整体语义信息，反映出更全面
示特征连接。 的上下文关系。两者的结合使得模型既能精准
2）全局上下文特征提取。通过全局平均池 关注局部细节，又具备对全局背景的理解，从而
化（global average pooling，GAP）来 聚 合 整 个 特 显 著 提 升 特 征 表 达 的 完 整 性 与 判 别 力 ，为 小 目
征 图 的 全 局 信 息 ，生 成 全 局 特 征 向 量 。 该 特 征 标对象检测提供更为精确的支持。
向 量 捕 获 了 输 入 图 像 中 每 个 通 道 的 平 均 响 应 ， 3）上下文信息融合。将提取的全局上下文
随 后 通 过 MLP 进 一 步 处 理 。 MLP 能 够 学 习 特 与 联 合 特 征 加 权 ，这 个 操 作 相 当 于 将 全 局 上 下
征 间 的 复 杂 非 线 性 关 系 ，进 一 步 细 化 得 到 最 终 文 信 息 作 为 权 重 ，在 通 道 级 别 重 新 标 定 联 合 特
的全局上下文特征。全局上下文特征提取可表 征 ，强 调 有 用 的 特 征 部 分 ，抑 制 不 重 要 的 特 征
示为： 部 分 。 在 此 基 础 上 ，将 上 下 文 信 息 与 输 入 的 特

F global = MLP( GAP( X ) ) （7） 征 相 加 融 合 ，得 到 分 类 和 回 归 预 测 的 特 征 图 。
式中，F global 为全局上下文特征。 该 特 征 图 融 合 了 局 部 特 征 、周 围 上 下 文 特 征 以
联合特征与全局上下文特征在特征表达上 及 全 局 上 下 文 信 息 ，帮 助 模 型 更 准 确 地 定 位 和
具有互补性。联合特征通过整合局部特征与其 识别小目标人员。上下文信息融合可表示为：
周 围 的 上 下 文 信 息 ，能 够 捕 捉 目 标 对 象 及 其 邻 F context = F global ⋅ F joint + X （8）
近 环 境 的 细 节 ，适 合 用 于 小 目 标 对 象 的 局 部 特 式中，F context 为上下文信息融合后的特征。

图 3 上下文感知模块
Fig. 3 Context-Aware Module

2 实验案例分析 测试集 2 243 张，共计 13 462 张图像。需要说明
的是，训练集和测试集的图像不存在重叠情况。
2.1 数据集构建
为了测试本文方法的泛化性和适用性，笔者
本 文 选 择 公 开 数 据 集 Manipal-UAV ［28］ 进 行
团队在西南交通大学校园内不同场景和时间采
方法效果对比。该数据集包括从两架在不同高
集 了 无 人 机 影 像 。 场 景 类 型 包 括 教 学 楼 、图 书
度 、位 置 和 天 气 条 件 下 飞 行 的 无 人 机 收 集 的 数
馆、食堂、宿舍楼等人员密集的场景，确保本文方
据，可用于研究无人机影像人员检测，包含来自
法对不同场景的适用性。此外，考虑到天气的影
33 个视频的 13 462 张图像，具有 153 112 个目标，
其中约 70% 属于小目标（小目标定义为分辨率小 响，分别在不同时间段采集图像，获取明暗程度
于 32×32 像素的目标）。该数据集划分为训练集 各不相同的图像，以确保本文方法对于各种光线
和测试集，其中训练集 9 113 张，验证集 2 106 张， 的场景均具有较好的泛化性。