基于双阶段轻量YOLO的红外行人伪影检测算法

摘要：

由于镜面回波效应,红外图像采集过程中行人不可避免出现反射倒影(本文简称"伪影")区域,此时对后续行人检测会造成一定程度影响,对上述情况,本文提出一种基于轻量YOLO(You Only Look Once)的双阶段网络检测框架,先检测"行人-伪影"联合区域再精准定位伪影位置.首先,针对YOLOv5 s轻量检测算法进行改进,使用LSM(Light Sample Module)双分支结构替换原下采样部分,并嵌入注意力机制来提高模型的特征整合能力,实现红外图像的背景过滤和联合区域提取.其次,对联合区域进行无失真矩形填充保持原始特征,设计轻量级行人伪影定位网络LS-YOLO(Light Structur YOLO)检测联合区域获得最终的伪影位置坐标.实验结果表明,本文算法能够满足实时检测要求,在数据集中,相比其他算法获得更好的检测效果,行人伪影的检测正确率达到95.45%.

关键词：红外行人检测、深度学习、行人伪影检测、YOLO

所属期刊栏目：53

分类号：TP391;TN29(计算技术、计算机技术)

在线出版日期：2023-10-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1426-1433