針對(duì)紅外圖像檢測(cè)與分割任務(wù)中顏色信息缺失,特征細(xì)節(jié)模糊并帶有噪聲,當(dāng)目標(biāo)數(shù)量較多時(shí)傳統(tǒng)方法提取過(guò)程速度較慢等問(wèn)題,提出一種用于遠(yuǎn)紅外圖像的優(yōu)化YOLO檢測(cè)與分割網(wǎng)絡(luò)模型。提出的兩個(gè)優(yōu)化點(diǎn)分別為:綜合分析實(shí)驗(yàn)使用的兩種遠(yuǎn)紅外數(shù)據(jù)集后使用K-means++聚類算法尋找多尺度預(yù)測(cè)標(biāo)記錨點(diǎn)框尺寸;使用局部檢測(cè)位置自適應(yīng)閾值分割方法對(duì)檢測(cè)目標(biāo)進(jìn)行像素級(jí)實(shí)例分割。本文優(yōu)化算法在FLIR公開(kāi)數(shù)據(jù)集與本文數(shù)據(jù)集中的檢測(cè)速度分別為29frame/s與28frame/s,保證了實(shí)時(shí)輸出的要求;行人檢測(cè)準(zhǔn)確率分別達(dá)到75.3%與77.6%,分割結(jié)果平均交并比達(dá)到70%～90%。實(shí)驗(yàn)結(jié)果表明,本文算法具有良好的穩(wěn)健性和普適性,在遠(yuǎn)紅外圖像中可快速有效地檢測(cè)行人并生成實(shí)例掩模。 

【文章來(lái)源】：激光與光電子學(xué)進(jìn)展. 2020,57(02)北大核心

【文章頁(yè)數(shù)】：11 頁(yè)

【部分圖文】：

YOLO v3結(jié)構(gòu)示意圖

圖2為默認(rèn)錨點(diǎn)框在三種尺度上的可視化表達(dá)，圖3為本文錨點(diǎn)框的可視化表達(dá)�？梢钥闯霰疚倪x取的錨點(diǎn)框符合行人的外觀輪廓特征，使得網(wǎng)絡(luò)的檢測(cè)框回歸定位有了更加精準(zhǔn)的參照標(biāo)準(zhǔn)。圖3 本文錨點(diǎn)框的可視化表達(dá)

本文錨點(diǎn)框的可視化表達(dá)

【參考文獻(xiàn)】：
期刊論文
[1]基于長(zhǎng)線列掃描周視紅外成像的多目標(biāo)提取方法綜述[J]. 范青帥,范宏波,林宇,張晉,林丹丹,楊超,朱亮,李偉.  紅外技術(shù). 2019(02)
[2]復(fù)雜熱紅外監(jiān)控場(chǎng)景下行人檢測(cè)[J]. 許茗,于曉升,陳東岳,吳成東,賈同,茹敬雨.  中國(guó)圖象圖形學(xué)報(bào). 2018(12)
[3]紅外單幀圖像弱小目標(biāo)檢測(cè)技術(shù)綜述[J]. 王好賢,董衡,周志權(quán).  激光與光電子學(xué)進(jìn)展. 2019(08)
[4]多特征級(jí)聯(lián)的低能見(jiàn)度環(huán)境紅外行人檢測(cè)方法[J]. 劉峰,王思博,王向軍,趙廣偉,霍文甲.  紅外與激光工程. 2018(06)
[5]基于改進(jìn)Fast R-CNN的紅外圖像行人檢測(cè)研究[J]. 車凱,向鄭濤,陳宇峰,呂堅(jiān),周云.  紅外技術(shù). 2018(06)
[6]復(fù)雜背景下紅外人體目標(biāo)檢測(cè)算法研究[J]. 馬也,常青,胡謀法.  紅外技術(shù). 2017(11)
[7]基于SLPP-SHOG的紅外圖像車輛檢測(cè)方法[J]. 蔡文靖,王魯平,張路平.  激光與紅外. 2016(08)
[8]紅外光照突變下的運(yùn)動(dòng)目標(biāo)檢測(cè)[J]. 陳強(qiáng),盛惠興,張卓,謝迎娟,張學(xué)武.  激光與光電子學(xué)進(jìn)展. 2016(11)
[9]紅外圖像弱小目標(biāo)探測(cè)技術(shù)綜述[J]. 劉讓,王德江,賈平,周達(dá)標(biāo),丁鵬.  激光與光電子學(xué)進(jìn)展. 2016(05)
[10]窗口熱輻射下基于視覺(jué)顯著性的紅外目標(biāo)檢測(cè)方法[J]. 彭志勇,王向軍,盧進(jìn).  紅外與激光工程. 2014(06)



本文編號(hào)：3040903