融合U10:通过多式联络融合,在低光复杂的旅游场景中增强行人检测

科学领域:

• 计算机视觉 计算机视觉
• 人工智能的人工智能
• 公共安全技术技术

背景情况:

• 对于公共安全而言,行人检测至关重要,但目前的技术在低光和封闭的环境中扎.
• 红外成像有助于低光检测,但缺乏细节,容易产生噪音,特别是当热信号类似于行人时.

研究的目的:

• 通过融合红外和可见光数据,开发一个准确和强大的行人检测模型,用于具有挑战性的环境.
• 在复杂,低可见性场景中提高行人检测的准确性和可靠性.

主要方法:

• 提出了FusionU10模型,将注意力门机制 (AGUNet) 集成到UNet架构中,以生成伪色图像.
• 采用YOLOv10用于行人检测,优化损失函数与完整的十字路口 (CIoU),对象性损失和分类损失.
• 实施了反机制,以提高伪色图像质量和特征提取.

主要成果:

• 在多个数据集 (FLIR,M3FD,LLVIP) 中,FusionU10在检测精度和稳定性方面取得了显著的改进.
• 该模型有效地处理低光和遮蔽的复杂场景,优于现有方法.
• 增强的特征提取和伪色图像生成有助于提高检测性能.

结论:

• 在恶劣的环境条件下,FusionU10模型为可靠的行人检测提供了一个有前途的解决方案.
• 这种方法对加强旅游业和其他具有挑战性的场景中的公共安全管理有很大的潜力.
• 多模式成像数据与先进的深度学习技术的融合有效地克服了视觉感知任务的局限性.