基于YOLOv5算法的红外图像行人检测研究

摘要：

目标检测是自动驾驶的重要前提,是与外界信息交互的重要环节.针对夜间远处行人检测识别精度低、漏检的问题,提出一种针对检测小尺寸行人的YOLOv5-p4的夜间行人识别模型.首先,通过增加更小目标的检测层,引入BiFPN特征融合机制,防止小目标被噪声淹没,使网络模型可以更聚焦于物体的细小特征;同时使用K-means先验框聚类出更小目标的锚框,并且使用了多尺度的数据增强方法,增加模型的鲁棒性.使用了 MetaAcon-C激活函数与EIoU回归损失函数使模型收敛效果更好,提升了算法远距离行人的检测的准确率.最后在红外行人数据集FLIR上验证改进后的YOLOv5-p4模型对于行人的检测能力,实验结果表明该方法与传统方法相比,准确率从86.9％提升到90.3％,适合用于红外图像中的行人检测.

关键词：深度学习、目标检测、YOLOv5、特征金字塔、红外行人识别

所属期刊栏目：53

分类号：TP391(计算技术、计算机技术)

在线出版日期：2023-03-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：57-63