面向无人边防的复杂环境遮挡小目标检测算法

来源：电子测量技术杂志2024年第21期北京时间：

作者：王慧云，赵俊生，王禹，李鑫延，王淋

单位：1.中北大学机械工程学院 太原 030051; 2.中北大学省部共建动态测试技术国家重点实验室 太原 030051

摘要：面对边境复杂环境导致的人工巡检难题和安全风险，部署无人化监控系统对我国边防至关重要。由于摄像头与入侵目标间距离差异导致所拍图像尺度变化显著问题，以及监控目标采用遮挡策略，现有无人边防系统面临误检、漏检率高和实时性不足的挑战。针对该问题，提出了一种平均精度更高、参数量更少、普适性更强的FDB-YOLOv5遮挡小目标检测算法。首先，采集大量不同遮挡面积的人员样本构建数据集；其次，设计了Faster_C3新结构，以减少遮挡小目标检测网络的延迟和参数量，提高模型检测速率；此外，在颈部网络中引入基于点采样的Dysample上采样器，获得更多的局部细节和语义信息，增强模型对小目标的检测能力，同时降低计算开销；最后，使用基于多尺度特征提取BSPPF的空间金字塔池化方法，有效地解决尺度不变性及遮挡目标特征信息损失问题，从而更好地捕获关键信息，提高模型对遮挡小目标检测的稳定性以及鲁棒性。实验结果表明，与基线YOLOv5相比，FDB-YOLOv5的mAP@0.5%达到了91.5%；参数量和计算量分别减少了19.07%与18.40%；模型的检测速度提高了8.83%；与Faster R-CNN、SSD、YOLOv5s、YOLOv8相比，FDB-YOLOv5表现出更优越的性能，可以为边境无人化目标检测技术提供参考。

关键词：小目标检测;复杂环境;大面积遮挡;YOLOv5;无人边防

基金资助：山西省基础研究计划项目（202203021212158，20210302123039）、中北大学研究生科技立项课题（20231910）资助