具备红外感知的低光场景目标检测
张志佳1
那惺奇2
肖宇航2
房建3
赵怀慈3
1.沈阳工业大学 人工智能学院,辽宁沈阳 110870;沈阳市信息感知与边缘计算重点实验室,辽宁沈阳 1108702.沈阳工业大学 人工智能学院,辽宁沈阳 110870;辽宁省光信息与仿真重点实验室,辽宁沈阳 1101783.辽宁省光信息与仿真重点实验室,辽宁沈阳 110178;中国科学院沈阳自动化研究所 光电信息处理重点实验室,辽宁沈阳 110178
摘要：[目的]随着人工智能领域的快速发展,基于可见光图像的目标检测技术日益成熟,并在自动驾驶、安防监控、智能交通等领域得到了广泛应用.然而,在低光场景(如黑夜或昏暗灯光环境)下,基于可见光图像的目标检测算法性能显著下降.主要原因在于可见光图像在低光条件下信息丢失严重,导致目标特征难以提取.为解决这一问题,提出了基于可见光图像和红外图像的多模态目标检测技术,该技术能够有效改善低光场景下的目标检测性能.然而,多模态检测技术的成本较高,需要对不同模态的图像进行精确配准,计算量较大,从而增加了实现难度和处理负担.基于此,提出了一种具备红外感知的目标检测网络(InSCnet),旨在通过一个可见光相机来预测红外热辐射特征,在不增加模态的情况下提升网络在低光场景下的目标检测能力.[方法]InSCnet以可见光图像为输入,通过红外预测分支(IPB)生成红外图像来预测热辐射特征,从而增强网络对低光场景的感知能力.为了有效融合多尺度视觉和热辐射特征,设计了互补融合滤波(COFF)模块.COFF通过互补融合这两种特征,增强特征间的互补性,避免了网络对单一模态特征的过度依赖.此外,采用混合特征金字塔(HyFP)模块,通过特征金字塔和注意力机制,进一步提升多尺度全局与局部特征的融合与提取能力,确保网络在不同程度的低光条件下均能保持较高的检测准确率.[结果]实验结果表明,InSCnet在LLVIP行人检测数据集上表现优异.具体而言,SmAP50达到了 0.830,SmAP50-95达到了 0.426.同时在DroneVehicle数据集上进行了实验,SmAP50达到了 0.702,证明了 InSCnet具备多类别低光检测能力.[结论]InSCnet通过引入红外热辐射特征和特征融合机制,提升了低光场景下的目标检测性能;在低光场景下能够有效检测可见光图像中难以识别的目标,为低光场景下的目标检测提供了一种有效的解决方案.未来的研究可以进一步探索如何优化网络结构.
关键词：目标检测低光场景红外预测特征融合特征金字塔全局特征局部特征人工智能
分类号：TP391.4(计算技术、计算机技术)
资助基金：辽宁省自然科学基金(2023010411)
论文发表日期：2025-07-25
在线出版日期：2025-09-18（本平台首次上网日期，不代表文献的发表时间）
页数：8( 417-424 )
英文信息