动态特征优化机制下的跨尺度红外行人检测

针对红外行人图像中待检测目标存在多尺度及部分遮挡导致传统算法难以准确检测的问题,提出一种动态特征优化机制下的跨尺度红外行人检测算法。为解决复杂环境中行人目标特征难以有效表达进而造成目标检测精度低的问题,提出一种动态特征优化机制,通过设计亮度感知模块及EG-Chimp优化模型在增强输入图像局部对比度的同时抑制背景信息;搭建了CSPDarkNet特征提取网络,并在其基础上构建CSFF-BiFPN特征金字塔结构以及跨尺度特征融合模块,以提高检测网络对多尺度及部分遮挡行人目标的检测精度;为进一步精确定位行人目标,引入CIOU损失函数加速网络收敛,从而提升检测性能。选取9种经典检测算法在KAIST数据集上进行对比测试,实验结果表明,本文算法能够对复杂环境中的多尺度及部分遮挡红外行人目标进行准确检测,检测精度可达90.7%,验证了所提出检测网络的优势。