摘要
赤外線歩行者画像において検出対象が多尺度かつ部分的に遮蔽されているため、従来のアルゴリズムでは正確な検出が困難な問題に対し、動的特徴最適化機構下の多尺度赤外線歩行者検出アルゴリズムを提案する。複雑な環境で歩行者対象の特徴が効果的に表現しにくく、それが検出精度の低下を招く問題を解決するため、輝度知覚モジュールおよびEG-Chimp最適化モデルを設計し、入力画像の局所的コントラストを強化しつつ背景情報を抑制する動的特徴最適化機構を提案する。CSPDarkNet特徴抽出ネットワークを構築し、その基盤上にCSFF-BiFPN特徴ピラミッド構造および多尺度特徴融合モジュールを構築し、多尺度かつ部分遮蔽された歩行者対象に対する検出ネットワークの検出精度を向上させる。歩行者対象をさらに正確に位置特定するために、CIOU損失関数を導入しネットワークの収束を加速し、検出性能を向上させる。KAISTデータセット上で9種類の古典的検出アルゴリズムを選択し比較テストを行った結果、本アルゴリズムは複雑な環境における多尺度かつ部分遮蔽された赤外線歩行者対象を正確に検出でき、検出精度は90.7％に達し、本検出ネットワークの優位性を検証した。
关键词
赤外線歩行者検出;多尺度;動的特徴最適化;輝度知覚;特徴融合
以上内容由讯飞翻译自动生成，翻译内容仅供参考。对于因使用本网站翻译内容产生的相关后果，本网站不承担任何商业和法律责任。
The above content is generated by Large Model Translation. The translated content is for reference only. We do not assume any commercial or legal responsibilty for any consequences arising from the use of our website