一种基于YOLOv5s和图像融合的行人检测方法

摘要

针对低照度环境下多尺度行人目标检测准确率低的问题,提出了一种基于YOLOv5s和红外、可见光图像融合的行人检测方法。首先,利用生成对抗网络制作可见光、红外融合图像数据集,结合两种图像的优点,减少外界因素对行人检测的影响;然后,将SENet通道注意力模块引入YOLOv5s,让网络更加关注高亮目标,提升行人检测准确性;最后,对YOLOv5s网络结构进行优化,删除部分卷积层,修改激活函数,以保持算法的高实时性。实验结果表明,利用融合图像数据集进行训练,可以得到平均精度均值高于可见光数据集和红外数据集的检测模型,改进后的SE-YOLOv5s算法在保持原算法高实时性的同时,有效提升了行人检测的平均精度均值。