一种基于注意力机制的低光照下行人检测算法

作者：师后勤; 谢辉; 张梦钰; 姜凌; 陈瑞^*

来源：物联网技术, 2023, 13(02): 27-32.

DOI：10.16667/j.issn.2095-1302.2023.02.006

• 低光照
• Retinex模型
• 图像增强
• YOLOv3网络
• 注意力机制
• 分量增强

由于在低光照环境下拍摄的图片质量较差，对低光照环境下的行人检测造成很大的困难。文中针对行人检测在低光照下检测率低的问题，提出一种基于Retinex视觉模型的低光照图象增强算法。此方法采用YOLOv3框架，研究基于Retinex视觉模型的低光照图像增强算法，加入基于分量增强的低光照图像增强算法和融合注意力机制的光照鲁棒目标跟踪算法，构建融合注意力机制的YOLOv3网络。对低光照原始图像进行分解，基于分量增强，生成对抗网络模型，对原始图像进行增强，得到增强后的图像再进行行人检测。实验结果表明：此方法能够很好地进行低光照环境下的行人检测，具有较高的准确率，能够达到较好的检测结果。

• 单位
  南京工程学院