基于双分支头部解耦和注意力机制的灾害环境人体检测

摘要：

灾害环境中,利用计算机视觉可以有效协助消防员进行救援,缩短搜救时间.针对受灾人体目标受多尺度、部分遮挡以及环境干扰导致传统算法难以准确检测的问题,提出一种基于双分支头部解耦和注意力模型的灾害环境人体检测网络.首先,为解决灾害环境下小尺度人体目标造成的漏检问题,在YOLOv5 框架下,构造浅层检测层以增强网络对小目标识别能力;其次,针对灾害环境中人体目标易淹没在复杂背景中进而导致目标特征无法有效表达的问题,通过融合轻量化注意力模块以增强人体目标的显著度,并在特征的原始输入和输出节点间添加连接以提高网络多尺度特征融合能力;最后,为了减少人体检测网络中分类和回归任务的差异性对检测性能造成的影响,构建双分支头部解耦检测器分别用于人体目标的识别和定位.为验证所提算法的优势,在多种灾害救援场景下进行测试验证,并与 5 种经典算法进行比较.相较于对比算法,所提算法精度最高,平均精度和召回率分别可达92.2%和90.5%,不仅能够准确检测出人体目标,而且具有良好的实时性和鲁棒性.

关键词：深度学习、人体检测、多尺度检测、注意力机制、解耦检测器

所属期刊栏目：43

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;中国博士后科学基金;陕西省科技计划项目;陕西省科技计划项目

在线出版日期：2023-08-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：797-806