적외선 보행자 이미지에서 검출 대상이 다중 스케일 및 부분 차폐로 인해 기존 알고리즘이 정확한 검출이 어려운 문제를 해결하기 위해 동적 특징 최적화 메커니즘 하에 다중 스케일 적외선 보행자 검출 알고리즘을 제안한다. 복잡한 환경에서 보행자 대상 특징을 효과적으로 표현하기 어려워 검출 정확도가 낮은 문제를 해결하기 위해 밝기 인식 모듈 및 EG-Chimp 최적화 모델을 설계하여 입력 이미지의 국부 대비를 강화하는 동시에 배경 정보를 억제하는 동적 특징 최적화 메커니즘을 제안한다; CSPDarkNet 특징 추출 네트워크를 구축하고 이를 기반으로 CSFF-BiFPN 특징 피라미드 구조 및 다중 스케일 특징 융합 모듈을 구성하여 검출 네트워크가 다중 스케일 및 부분 차폐된 보행자 대상의 검출 정확도를 향상시킨다; 보행자 대상의 정밀한 위치 지정을 위해 CIOU 손실 함수를 도입하여 네트워크 수렴을 가속화하고 검출 성능을 향상시킨다. KAIST 데이터셋에서 9가지 고전 검출 알고리즘을 선택하여 비교 테스트를 수행한 실험 결과, 본 알고리즘이 복잡한 환경에서 다중 스케일 및 부분 차폐된 적외선 보행자 대상을 정확히 검출할 수 있음을 증명했으며, 검출 정확도는 90.7%에 달해 제안된 검출 네트워크의 우수성을 입증하였다.

적외선 보행자 검출;다중 스케일;동적 특징 최적화;밝기 인식;특징 융합