低照度交通场景行人检测算法研究

作者：刘凯天; 磨少清

来源：汽车实用技术, 2023, 48(22): 43-48.

DOI：10.16638/j.cnki.1671-7988.2023.022.009

• 行人检测
• 低照度
• YOLOv4-Tiny
• 注意力机制
• 深度学习

无人驾驶汽车车载相机在低照度交通场景下由于光照不足、环境复杂导致采集的行人图像质量差，后续检测算法难以保障足够的检测精度。因此，针对低照度交通场景下行人检测效果不好的问题，文章提出一种基于改进YOLOv4-Tiny的行人检测算法。首先，对骨干网络增加了8倍下采样特征图输出，并自下而上的融合深层语义信息和浅层细节信息，以增强对小目标的检测能力，同时在不同特征图融合之前引入注意力机制模块，使网络更加关注重点特征信息。其次，使用SPP-Net提高网络的感受野和鲁棒性。利用K-means聚类算法对行人目标生成新的先验框，用Soft-NMS方法替换掉传统的非极大值抑制方法。改进后的网络模型记为YOLO-IPD，实验表明文章提出的YOLO-IPD模型在自建数据集上效果良好。

• 单位
  天津职业技术师范大学