基于Dim env-YOLO算法的昏暗场景车辆多目标检测

作     者：郭克友 王苏东 李雪 张沫 GUO Keyou;WANG Sudong;LI Xue;ZHANG Mo

作者机构：北京工商大学人工智能学院北京100048 交通运输部公路科学研究院北京100088 

出 版 物：《计算机工程》 (Computer Engineering)

年 卷 期：2023年第49卷第3期

页      面：312-320页

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

基　　金：交通运输行业重点科技项目“面向自动驾驶汽车封闭测试环境的可遥控仿真行人测试装备研发”(2018-ZD1-010) 北京工商大学2021年研究生科研能力提升计划项目。 

主　　题：昏暗场景 车辆检测 深度可分离卷积 Dim env-YOLO算法 MobileNetV3网络 

摘      要：低照度的夜间路况复杂,现有夜间车辆识别相关研究较少,且存在识别方法实时性不高、过多占用硬件资源等不足。针对夜间场景车辆识别干扰因素较多、检测效果不佳的问题,提出一种基于YOLOv4的Dim env-YOLO车辆目标检测算法。利用MobileNetV3网络替换原始YOLOv4中的主干网络,以减少模型参数量。在改进的YOLOv4模型上使用图像暗光增强方法,提高车辆目标在昏暗环境中的可识别性。在此基础上,引入注意力机制加强特征信息选择,同时利用深度可分离卷积降低网络计算量。选取北京部分道路的夜间场景图片自制数据集并进行实验验证,结果表明,在存在高斯噪声、模糊扰动、雨雾夜晚等情况下,Dim env-YOLO算法的测试结果较稳定,对于照度低于30 lx的昏暗条件下的车流,其检测mAP值达到90.49%,对于最常见的轿车类别,mAP值达到96%以上,优于Faster-RCNN、YOLOv3、YOLOv4等网络模型在昏暗光照条件下的检测效果。