超大視場(chǎng)（U-FOV）紅外成像系統(tǒng)探測(cè)范圍大、不受光照限制,但存在尺度多樣、小目標(biāo)豐富的特點(diǎn)。為此該文提出一種具備背景感知能力的多尺度紅外行人檢測(cè)方法,在提高小目標(biāo)檢測(cè)性能的同時(shí),減少冗余計(jì)算。首先,構(gòu)建了4尺度的特征金字塔網(wǎng)絡(luò)分別獨(dú)立預(yù)測(cè)目標(biāo),補(bǔ)充高分辨率細(xì)節(jié)特征。其次,在特征金字塔結(jié)構(gòu)的橫向連接中融入注意力模塊,產(chǎn)生顯著性特征,抑制不相關(guān)區(qū)域的特征響應(yīng)、突出圖像局部目標(biāo)特征。最后,在顯著性系數(shù)的基礎(chǔ)上構(gòu)建了錨框掩膜生成子網(wǎng)絡(luò),約束錨框位置,排除平坦背景,提高處理效率。實(shí)驗(yàn)結(jié)果表明,顯著性生成子網(wǎng)絡(luò)僅增加5.94%的處理時(shí)間,具備輕量特性;超大視場(chǎng)（U-FOV）紅外行人數(shù)據(jù)集上的識(shí)別準(zhǔn)確率達(dá)到了93.20%,比YOLOv3高了26.49%;錨框約束策略能節(jié)約處理時(shí)間18.05%。重構(gòu)模型具有輕量性和高準(zhǔn)確性,適合于檢測(cè)超大視場(chǎng)中的多尺度紅外目標(biāo)。 

【文章來(lái)源】：電子與信息學(xué)報(bào). 2020,42(10)北大核心EICSCD

【文章頁(yè)數(shù)】：9 頁(yè)

【部分圖文】：

超大視場(chǎng)紅外圖像行人特性

在8×8左右。然而由圖1(b)可知，即使在分辨率為800×600的原始圖像中都存在小于該理論尺度的目標(biāo)，因此，需要進(jìn)一步增大可用于預(yù)測(cè)目標(biāo)的特征圖分辨率�；谶@一考慮，本文重新設(shè)計(jì)了目標(biāo)檢測(cè)網(wǎng)絡(luò)，增加了一組更低層高分辨率的特征圖預(yù)測(cè)目標(biāo)，并將其融入到特征金字塔結(jié)構(gòu)中，形成了四尺度的目標(biāo)預(yù)測(cè)網(wǎng)絡(luò)，可以進(jìn)一步提高小尺度目標(biāo)的檢測(cè)精度。訓(xùn)練時(shí)，將的預(yù)測(cè)結(jié)果送入損失層中計(jì)算損失[15]，指導(dǎo)網(wǎng)絡(luò)參數(shù)調(diào)整；檢測(cè)時(shí)，直接在上獨(dú)立預(yù)測(cè)目標(biāo)，得到并整合四個(gè)尺度上的檢測(cè)結(jié)果，實(shí)現(xiàn)優(yōu)勢(shì)互補(bǔ)。圖2多尺度紅外行人檢測(cè)網(wǎng)絡(luò)結(jié)構(gòu)2526電子與信息學(xué)報(bào)第42卷

1，黑色區(qū)域值為0，那么僅在白色區(qū)域確定錨點(diǎn)，產(chǎn)生目標(biāo)候選邊框，忽略黑色區(qū)域，可以達(dá)到縮減冗余邊框、提高執(zhí)行效率的目的，同時(shí)保證目標(biāo)檢測(cè)性能。圖6是生成錨框掩膜各階段的處理結(jié)果及其對(duì)應(yīng)于原圖像中的位置。輸入圖像經(jīng)顯著性生成子網(wǎng)絡(luò)處理后生成的顯著性系數(shù)對(duì)應(yīng)圖中的第2列的sa-lientmaps。顯著性系數(shù)圖有兩個(gè)作用：一是直接與深度卷積特征相乘得到顯著性特征；二是用于生成錨框掩膜，減少預(yù)測(cè)邊框數(shù)量。將介于0～1之間的顯著性系數(shù)圖展開到了0～255之間，二值化閾值圖3注意力模塊結(jié)構(gòu)圖4顯著性特征與卷積特征融合方法第10期趙斌等：顯著性背景感知的多尺度紅外行人檢測(cè)方法2527

【參考文獻(xiàn)】：
期刊論文
[1]基于深度卷積神經(jīng)網(wǎng)絡(luò)的遙感圖像飛機(jī)目標(biāo)檢測(cè)方法[J]. 郭智,宋萍,張義,閆夢(mèng)龍,孫顯,孫皓.  電子與信息學(xué)報(bào). 2018(11)
[2]面向顯著性目標(biāo)檢測(cè)的SSD改進(jìn)模型[J]. 余春艷,徐小丹,鐘詩(shī)俊.  電子與信息學(xué)報(bào). 2018(11)
[3]改進(jìn)的YOLOv3紅外視頻圖像行人檢測(cè)算法[J]. 王殿偉,何衍輝,李大湘,劉穎,許志杰,王晶.  西安郵電大學(xué)學(xué)報(bào). 2018(04)
[4]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)
[5]基于人眼視覺(jué)的紅外圖像增強(qiáng)算法研究[J]. 王晨,湯心溢,高思莉.  激光與紅外. 2017(01)



本文編號(hào)：3290882