面向高级驾驶辅助系统（ADAS）的热红外波段目标检测

热红外波段的目标检测在低光照条件和不同天气条件下提供了更可靠的数据源，因为它在舱内和舱外均有助于行人、动物和车辆检测，以及交通标志与照明杆检测。本文探讨并将最先进的目标检测与分类器框架适配于具有七个不同类别的热成像视觉，用于高级驾驶辅助系统（ADAS）。在公开数据集上训练的网络变体通过三种不同测试方法进行验证，包括无增强的测试时、测试时增强和测试时模型集成。此外，训练网络的效能还在本地采集的新颖测试数据上进行了测试，该数据由非制冷 LWIR 原型热像仪在具有挑战性的天气和环境场景中捕获。通过计算精确率、召回率和平均精度均值（mAP）分数对训练模型进行性能分析。进一步地，使用 TensorRT 推理加速器优化训练模型架构，并部署在资源受限的边缘硬件 Nvidia Jetson Nano 上，以明确减少 GPU 及边缘设备上的推理时间，用于进一步的实时车载安装。