显著性背景感知的多尺度红外行人检测方法

摘要：

超大视场(U-FOV)红外成像系统探测范围大、不受光照限制,但存在尺度多样、小目标丰富的特点.为此该文提出一种具备背景 感知能力的多尺度红外行人检测方法,在提高小目标检测性能的同时,减少冗余计算.首先,构建了4尺度的特征金字塔网络分别独立预测目标,补充高分辨率细节特征.其次,在特征金字塔结构的横向连接中融入注意力模块,产生显著性特征,抑制不相关区域的特征响应、突出图像局部目标特征.最后,在显著性系数的基础上构建了锚框掩膜生成子网络,约束锚框位置,排除平坦背景 ,提高处理效率.实验结果表明,显著性生成子网络仅增加5.94％的处理时间,具备轻量特性;超大视场(U-FOV)红外行人数据集上的识别准确率达到了93.20％,比YOLOv3高了26.49％;锚框约束策略能节约处理时间18.05％.重构模型具有轻量性和高准确性,适合于检测超大视场中的多尺度红外目标.

关键词：红外行人检测、超大视场、卷积神经网络、背景感知、多尺度

所属期刊栏目：42

分类号：TN215(光电子技术、激光技术)

在线出版日期：2020-10-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：2524-2532