论文部分内容阅读
超大视场(U-FOV)红外成像系统探测范围大、不受光照限制，但存在尺度多样、小目标丰富的特点。为此该文提出一种具备背景感知能力的多尺度红外行人检测方法，在提高小目标检测性能的同时，减少冗余计算。首先，构建了4尺度的特征金字塔网络分别独立预测目标，补充高分辨率细节特征。其次，在特征金字塔结构的横向连接中融入注意力模块，产生显著性特征，抑制不相关区域的特征响应、突出图像局部目标特征。最后，在显著性系数的基础上构建了锚框掩膜生成子网络，约束锚框位置，排除平坦背景，提高处理效率。实验结果表明，显著性生成子网络仅增加5.94%的处理时间，具备轻量特性；超大视场(U-FOV)红外行人数据集上的识别准确率达到了93.20%，比YOLOv3高了26.49%；锚框约束策略能节约处理时间18.05%。重构模型具有轻量性和高准确性，适合于检测超大视场中的多尺度红外目标。