近日，由 CVPR 2020 Workshop 举办的 NightOwls Detection Challenge 公布了最终结果。来自深兰科技的 DeepBlueAI 团队斩获了“单帧行人检测”和“多帧行人检测”两个赛道的冠军，以及“检测单帧中所有物体”赛道的亚军。

竞赛的主要目的是进行夜间行人或物体检测，是许多系统，尤其是自动驾驶汽车安全可靠的关键之一。众所周知，熊猫智能公交车是深兰科技自动驾驶核心产品，自2019年获得了广州、长沙、上海、武汉的自动驾驶测试牌照后，今年5月又成功摘得深圳智能网联汽车道路测试牌照。此次冠亚军方案，将与白天行人检测结合，打造适用于不同天气条件的全天候行人检测系统，并有望在熊猫智能公交上进行应用，为其安全行驶保驾护航。

深兰科技坚持以“人工智能，服务民生”为理念，响应国家政策号召，深刻洞察民众痛点和需求，致力于把高质量的人工智能产品和解决方案带给更多的社会大众，以匠心研发的熊猫智能公交车将作为智能城市公共交通领域的“新基建”，用于提升公众出行新体验。

以下将为大家介绍 DeepBlueAI 团队的解决方案。

NightOwls 检测挑战赛简介

检测 RGB 摄像机拍摄的夜间场景图片中的行人，是一个非常重要但是未被充分重视的问题，当前最新的视觉检测算法并不能很好地预测出结果。官方 baseline 在 Caltech（著名行人检测数据集）上的 Miss Rate（越小越好）可以达到 7．36％，但在夜间行人数据集上却只能达到 63．99％。

夜间行人检测是许多系统（如安全可靠的自动驾驶汽车）的关键组成部分，但使用计算机视觉方法解决夜间场景的检测问题并未受到太多关注，因此 CVPR 2020 Scalability in Autonomous Driving Workshop 开展了相应的比赛。

NightOwls Detetection Challenge 2020 共有三个赛题：单帧行人检测（该赛题与 2019 年相同）、多帧行人检测，以及检测单帧中所有物体（包括行人、自行车、摩托车三个类别）：

Pedestrian Detection from a Single Frame （same as 2019 competition）Pedestrian Detection from a Multiple FramesAll Objects Detection （pedestrian， cyclist， motorbike） from a Single Frame

赛题介绍

夜间行人数据集示例

Track 1： Pedestrian detection from a single frame

该任务只要求检测行人（对应 Ground truth 中 category＿id ＝ 1 的行人类别），且所用算法只能将当前帧用作检测的输入，该题目与 ICCV 2019 NightOwls 挑战赛相同。

Track 2： Pedestrian detection from multiple frames

该任务的要求与任务 1 相同，都是只检测行人，但是该任务允许使用当前帧以及所有先前帧 （N， N－1， N－2， …） 来预测当前帧的行人。

这两个任务的数据集由 279000 张全注释的图片组成，这些图片来源于欧洲多个城市黎明和夜间的 40 个视频，并涵盖了不同的天气条件。

模型效果评估使用的是行人检测中常用的指标Average Miss Rate metric，但是仅考虑高度 ＞ ＝ 50px 的非遮挡目标。

Track 3： All Objects Detection （pedestrian， cyclist， motorbike） from a Single Frame

该任务要求检测出帧里所有在训练集中出现过的类别，包括自行车、摩托车，并且不允许使用视频序列信息。

赛题难点