面向边缘计算的照度与温度感知多光谱行人检测网络
计算机视觉与模式识别
2021-12-10 v1
摘要
准确高效的行人检测对于关乎行人安全与移动性的智能交通系统（如高级驾驶辅助系统、智能人行横道系统）至关重要。在各类行人检测方法中，基于视觉的检测方法在以往研究中被证明最为有效。然而，现有基于视觉的行人检测算法仍存在两个限制其应用的局限，即实时性以及对环境因素（如低照度条件）影响的抵抗能力。为解决这些问题，本研究提出一种轻量级照度与温度感知多光谱网络（IT-MN）用于准确高效的行人检测。所提 IT-MN 是一种高效单阶段检测器。为适应环境因素影响并提升感知精度，当视觉图像质量受限时，IT-MN 将热图像数据与视觉图像融合以丰富有用信息。此外，还提出了一种创新有效的后融合策略以优化图像融合性能。为使所提模型可在边缘计算上部署，采用模型量化将模型大小减少 75%，同时显著缩短推理时间。使用车载相机采集的公开数据集，将所提算法与选定的前沿算法进行比较评估。结果表明，所提算法在 GPU 上每对图像漏检率和推理时间分别达到 14.19% 和 0.03 秒。此外，量化后的 IT-MN 在边缘设备上每对图像推理时间为 0.21 秒，也证明了将该模型作为高效行人检测算法部署于边缘设备的潜力。
引用
@article{arxiv.2112.05053,
title = {Illumination and Temperature-Aware Multispectral Networks for Edge-Computing-Enabled Pedestrian Detection},
author = {Yifan Zhuang and Ziyuan Pu and Jia Hu and Yinhai Wang},
journal= {arXiv preprint arXiv:2112.05053},
year = {2021}
}
备注
13 pages, 12 figures