一种基于权重自主优化的红外与可见光融合的行人检测方法技术

本发明专利技术属于机器学习与目标检测领域，公开了一种基于权重自主优化的红外与可见光融合的行人检测方法。本发明专利技术先通过卷积神经网络分别对红外和可见光图像进行特征提取。再通过可学习的比例系数，将提取的特征按各自的比例叠加回原图。在特征融合阶段，通过可学习的融合权重系数动态调节红外和可见光模态的融合比例。在训练阶段，用大规模标注数据集进行端到端优化，使得每个模态的叠加比例与融合权重α能够自适应调整，适应不同光照条件和场景变化，从而显著提升模型的泛化能力。本发明专利技术在夜间行人检测的机器人视觉系统中，采用了一种基于机器学习权重优化的红外与可见光模态融合方法，有效提升了行人检测的准确性和鲁棒性。

【技术实现步骤摘要】

本专利技术属于机器学习与目标检测领域，涉及一种基于红外与可见光双模态融合的行人检测方法，特别适用于提升夜间或低光照场景的分析。该方法通过可学习的权重自主优化机制自适应融合红外特征与可见光特征，以提高行人检测的准确性与鲁棒性。

技术介绍

1、随着机器学习技术的飞速发展，深度学习模型在图像识别和目标检测任务中取得了显著进展。尤其是在行人检测领域，基于卷积神经网络(convolutional neuralnetworks,cnn)的检测算法已被广泛应用于各种场景，包括监控、自动驾驶和机器人导航等。然而，传统行人检测方法多依赖于单模态的可见光图像特征，这在白天或光照条件良好的环境中表现出较高的检测精度。然而，当环境转变为夜间或低光照条件时，可见光图像受限于光线不足，使得检测精度显著下降，系统鲁棒性降低。

2、为了解决夜间和低光照行人检测精度和鲁棒性的挑战，红外图像因其区别于可见光的特异特性而被逐渐引入，用于联合可见光图像一起进行双模态融合的行人检测。然而，目前大多数双模态融合方法在进行模态融合时，仅对红外和可见光特征直接叠加，如最新的一项研究引入了一种本文档来自技高网...

【技术保护点】

1.一种基于权重自主优化的红外与可见光融合的行人检测方法，其特征在于，包括以下步骤：

【技术特征摘要】

1.一种基于权重自主优化的红外与可见光融合...

【专利技术属性】
技术研发人员：徐易，胡兵，杨楚皙，魏恒璐，刘惠，季向阳，
申请(专利权)人：大连理工大学，
类型：发明
国别省市：