基于改进MSR和YOLOv5的雾天行人检测算法
金彬峰
许光宇
于瓅
耿帅帅
姚星月
安徽理工大学 计算机科学与工程学院,安徽 淮南232001
摘要：针对雾气导致图像中行人检测准确率不高的问题,提出了1种基于改进多尺度Retinex(multiple scale Ret-inex,MSR)和改进YOLOv5(you only look once v5)的雾天行人检测算法.首先,针对MSR算法容易产生光晕和伪影现象的问题,引入均值和均方差对其进行改进,通过伽马校正找到适宜的图像亮度,调整亮度后再对图像进行去雾操作.其次,以传统的YOLOv5检测模型为基础并对其进行改进,引入选择性内核网络(selective kernel networks,SK-Net)模块,与YOLOv5的骨干网络(Backbone)端相融合,输入信息自适应地调整其感受野大小,加强模型对主要信息的提取,提升模型的精度.实验结果表明,改进后的MSR和改进后的YOLOv5相结合得到的算法,各项行人检测指标都有较大提升,其识别精确率、召回率、各类别平均精度均值分别达到了91.2％、87.3％、90.1％,改进后的算法能有效提高雾天行人检测的效率.
关键词：行人检测MSRYOLOv5图像去雾SK-Net
分类号：TP391.4(计算技术、计算机技术)
资助基金：安徽省重点研究与开发计划项目(202104d07020010)
论文发表日期：2023-03-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 58-64 )
英文信息