基于级联乘性融合的夜间多尺度行人检测网络

来源：计算机测量与控制杂志2026年第7期北京时间：

作者：蔡华健,李俊,李琦铭

单位：福建师范大学 计算机与网络空间安全学院

摘要：针对夜间低光照环境下行人检测面临的多尺度特征捕获困难和夜间背景噪声干扰等问题，提出了一种双流乘性融合网络DMFNet；该网络结合CMF模块和DCA模块，有效解决了夜间场景中行人尺度差异与夜间噪声的关键问题；CMF模块采用自顶向下的乘性特征融合机制，通过元素级乘法操作实现了跨尺度信息的高效整合，有效抑制了背景噪声干扰；DCA模块采用一维卷积和全连接层构建双路径注意力机制，通过可学习的混合因子自适应调整特征通道权重，实现了对行人区域特征的精准增强；实验结果表明，DMFNet在NightOwls数据集上的性能超越现有主流方法，Reasonable子集漏检率为6.85%，检测精度更高且鲁棒性更强，能够有效检测夜间复杂场景中的行人目标。

关键词：夜间行人检测;乘性连接;特征融合;通道注意力;多尺度;低光照检测

基金资助：福建省自然科学(2025J01248)；泉州市科技计划项目(2024QZC001R)；福建省科技计划项目(2025T3027和2025T3023)