计算机工程

作者：郭克友, 王苏东, 李雪, 张沫

单位：1. 北京工商大学 人工智能学院, 北京 100048;2. 交通运输部公路科学研究院, 北京 100088

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

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。

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。

来源：2023年第3期

《计算机工程》期刊编辑部

查看计算机工程杂志2023年第3期