一种基于深度学习的低可见度环境下实时目标检测方法

摘要

本发明提出一种基于深度学习的低可见度的实时目标检测方法，通过引导滤波来解决受烟尘、水雾、光影影响较大的低可见度环境下的目标检测问题。采用SSD目标检测模型对帧图片进行处理，找出目标区域坐标，充分利用SSD目标检测模型的准确性优势。引入引导滤波，与SSD目标检测模型融合，解决低可见度环境下的影响因素，在受环境因素影响的场景中，使用引导滤波去进行图像增强、去雾等操作，处理后图像更清晰，分辨率更高，图像经处理后，产生目标位置坐标，传入下层网络GoogleNet进行准确性验证，利用GoogleNet网络的效率性，在不降低速度的情况下，提高检测精度。本发明能够在低可见度环境对目标进行准确识别，并且具有一定的可靠性，识别的精度更高。