激光与红外

作者：李明益

单位：1.北京信息科技大学机电工程学院,北京100192；2.北京电动车辆协同创新中心,北京100192；3.北京理工大学机械与车辆学院,北京 100081；

关键词：深度学习;行人目标检测;YOLOv5;Nonlocal;PSA Model

基金：国家自然科学基金项目(No.520770077)；科技创新服务能力建设-科研基地建设-新能源汽车北京实验室项目(No.PXM2017-014224-000005-00249684-FCG)资助。

针对交通十字路口等视野盲区往来行人间存在遮挡情况,如何高效准确地检测复杂道路中目标行人具有实际意义。为了实现夜间交汇路口场景行人检测,提出一种基于改进YOLOv5的行人目标检测算法,采用Non local和PSA模块对YOLOv5原网络的Bottleneck CSP进行改进,能够有效弥补遮挡中行人特征的帧间信息交互过程,增强长程范围通道特征依赖关系。设计更深的160×160检测层和自适应anthor,提升夜间行人检测的边界回归精确度。实验结果表明,针对夜间下交通路口场景,压缩改进后模型对行人检测鲁棒性高,相较于原始算法mAP_0.5和mAP_0.5:0.95值分别提升了14.2和12.7,说明所提算法对夜间行人检测的有效性。

来源：2022年第9期

《激光与红外》期刊编辑部

查看激光与红外杂志2022年第9期