摘要
针对行人检测器热红外图像表现不佳的问题,提出了一种深度显著性增强技术来增强热红外图像中的行人目标的算法,以提升行人检测器性能。在热红外图像上,使用深度学习技术生成包含行人目标的显著图;将生成的显著图与对应的热红外图像进行像素级加权融合,生成新的增强热红外数据集;将检测器分别在原热红外数据集和增强热红外数据集上进行训练。实验结果表明,使用本方法得到的查准率和查全率白天最高,与原热红外数据集检测结果相比,分别提高了3.97%和6.05%,夜间最高分别提高了3.40%和5.23%。深度显著图作为一种注意力图像对提升热红外图像行人检测器的性能有显著作用。
In order to improve the poor performance of pedestrian detectors in thermal infrared images, a deep saliency enhancement technique is proposed to enhance the pedestrian targets in thermal infrared images. The aliency map containing pedestrian targets is generated in the thermal infrared image by using deep learning technology. The saliency map is fused with the corresponding thermal infrared image by pixel level weighting to generate a new enhanced thermal infrared data set. The detector is respectively trained in the original thermal infrared data set and enhanced thermal infrared data set. The experiment results show that, comparing with the detection results of the original thermal infrared data set, the precision rate and recall rate are increased by 3.97% and 6.05% respectively during the day, and 3.40% and 5.23% respectively in the night. As a kind of attention image, the deep saliency map has a positive effect on improving the performance of thermal infrared image pedestrian detector.
作者
吴志飞
李晓慧
杨中凯
李钢
朱福珍
WU Zhifei;LI Xiaohui;YANG Zhongkai;LI Gang;ZHU Fuzhen(College of Electronic Engineering,Heilongjiang University,Harbin 150080,China)
出处
《黑龙江大学自然科学学报》
CAS
2022年第5期604-612,共9页
Journal of Natural Science of Heilongjiang University
基金
黑龙江省级大学生创新创业训练计划项目(202010212101)
国家自然科学基金资助项目(61601174)
黑龙江省博士后科研启动基金项目(LBH-Q17150)
黑龙江省普通高等学校电子工程重点实验室(黑龙江大学)开放课题资助
省高校科技创新团队资助项目(2012TD007)
黑龙江省省属高等学校基本科研业务费基础研究项目(KJCXZD201703)
黑龙江省自然科学基金资助项目(F2018026)。
关键词
深度显著图
热红外图像
行人检测
deep saliency maps
thermal infrared images
pedestrian detection
