基于Dim env-YOLO算法的昏暗场景车辆多目标检测.pdfVIP

第49卷第3期ComputerEngineering计算机工程2023年3月

·开发研究与工程应用·文章编号：1000-3428（2023）03-0312-09文献标志码：A中图分类号：TP391.41

基于Dimenv⁃YOLO算法的昏暗场景车辆多目标检测

1112

郭克友，王苏东，李雪，张沫

（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）

摘要：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Dimenv-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，Dimenv-YOLO算法的测试结果较稳定，

对于照度低于30lx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。

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

开放科学（资源服务）标志码（OSID）：

中文引用格式：郭克友，王苏东，李雪，等.基于Dimenv‐YOLO算法的昏暗场景车辆多目标检测［J］.计算机工程，

2023，49（3）：312-320.

英文引用格式：GUOKY，WANGSD，LIX，etal.Multi-targetdetectionofvehiclesindimscenesbasedonDimenv-

YOLOalgorithm［J］.ComputerEngineering，2023，49（3）：312-320.

Multi-TargetDetectionofVehiclesinDimScenesBasedon

Dimenv-YOLOAlgorithm

1112

GUOKeyou，WANGSudong，LIXue，ZHANGMo

（1.SchoolofArtificialIntelligence，BeijingTechnologyandBusinessUniversity，Beijing100048，China；

2.ResearchInstituteofHighwayMinistryofTransport，Beijing100088，China）

【Abstract】Nighttimeroadsceneswithlowilluminancearecomplex，andvisibilityistypicallypoor.However，relatively

fewworkshaveconsideredvehiclerecognitionundertheseconditions