科研之友
微信
新浪微博
Facebook
分享链接
摘要
偏振光反射信息可直接反演目标本征特性，且在传输过程中具备较强的抗干扰特性，因此偏振成像技术可适用于多种复杂环境中的智能监控、交通监察领域。近年来使用深度学习判读图像检测目标的方法迅速发展，已经广泛应用于图像处理的各个领域。本文提出了一种基于偏振图像与深度神经网络算法的行人、车辆多目标检测算法YOLOv5s-DOLP。首先，通过实时获取到偏振图像进行偏振信息解析，获取目标偏振度图像。其次，为增强偏振度图像中检测目标与背景存在高对比度的特性，在主干网络中引入通道注意力与空间注意力，提升网络特征进行自适应学习的能力。此外，使用K-means算法对目标位置信息进行聚类分析，加快网络在偏振度图像的学习速度，提升目标检测精度。实验结果显示，该算法结合了偏振成像和深度学习目标检测的优势，对于低照度复杂场景中的车辆、行人目标检测效果好、检测速度快，对于道路车辆的目标检测、识别与跟踪具有一定的应用价值。
- 单位
