基于Dim env-YOLO算法的昏暗场景车辆多目标检测

摘要：

低照度的夜间路况复杂,现有夜间车辆识别相关研究较少,且存在识别方法实时性不高、过多占用硬件资源等不足.针对夜间场景车辆识别干扰因素较多、检测效果不佳的问题,提出一种基于YOLOv4的Dim env-YOLO车辆目标检测算法.利用MobileNetV3网络替换原始YOLOv4中的主干网络,以减少模型参数量.在改进的YOLOv4模型上使用图像暗光增强方法,提高车辆目标在昏暗环境中的可识别性.在此基础上,引入注意力机制加强特征信息选择,同时利用深度可分离卷积降低网络计算量.选取北京部分道路的夜间场景图片自制数据集并进行实验验证,结果表明,在存在高斯噪声、模糊扰动、雨雾夜晚等情况下,Dim env-YOLO算法的测试结果较稳定,对于照度低于30 lx的昏暗条件下的车流,其检测mAP值达到90.49％,对于最常见的轿车类别,mAP值达到96％以上,优于Faster-RCNN、YOLOv3、YOLOv4等网络模型在昏暗光照条件下的检测效果.

关键词：昏暗场景、车辆检测、深度可分离卷积、Dim env-YOLO算法、MobileNetV3网络

所属期刊栏目：49

分类号：TP391.41(计算技术、计算机技术)

资助基金：交通运输行业重点科技项目;北京工商大学研究生科研能力提升计划项目

在线出版日期：2023-03-17（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：312-320