基于YOLOv3的雾天场景行人车辆检测方法研究

作     者：王启明 何梓林 张栋林 毛作龙 WANG Qiming;HE Zilin;ZHANG Donglin;MAO Zuolong

作者机构：上海理工大学机械工程学院上海200093 上汽集团创新研究开发总院智能驾驶中心上海201805 

出 版 物：《控制工程》 (Control Engineering of China)

年 卷 期：2024年第31卷第3期

页      面：510-517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：国家自然科学基金面上项目(51575232) 上海市科委青年科技英才扬帆计划资助项目(19YF1434600) 

主　　题：目标检测 深度学习 数据增强 YOLO 雾天成像 

摘      要：针对智能驾驶中动态目标检测易受雾天等恶劣天气影响,以及原始YOLOv3目标检测算法应用于行人车辆检测时精度低、定位准确率低及漏检率高等问题,提出一种基于改进YOLOv3和数据增强的雾天行人车辆检测方法。首先,以Cityscapes数据集为基础,通过大气散射模型及清晰图片的深度信息人工生成3种浓度的FoggyCityscapes,用以扩充样本数量。其次,通过改进K-means聚类算法生成适用于检测车辆与行人的先验框,同时,使用软非极大值抑制(softnon-maximumsuppression,Soft-NMS)优化对重叠目标的检测,进一步提高模型检测精度。实验结果表明,相较于原模型,该方法在3种浓度的FoggyCityscapes数据集上的平均精度均值(meanaverageprecision,m AP)分别提高了7.73%、13.22%和21.51%,能够快速准确地检测雾天场景的行人和车辆目标。