典型文献
面向水域场景的热成像人员识别算法研究
文献摘要：
针对水域场景夜间能见度极低,难以实现人员目标检测与定位的问题,结合红外热成像技术与深度学习目标检测算法,研究了一种黑暗环境下水域人员目标检测方法.经过多场景实地采集,自主构建了一套热成像水域场景下的人员目标数据集IR-YZ.在对比经典目标检测方法在IR-YZ数据集上的性能的基础上,针对热成像特点与水域环境特点,提出了一种增强型轻量级水上目标检测网络IWPT-YOLO(infrared water person target-YOLO).实验结果表明,IWPT-YOLO算法具有精确、快速、简洁等优势,其模型大小为93 MB,平均精度mAP达到了 85.34％,检测速度达到了 20.975 FPS,比经典算法YOLOv3网络与SSD网络在模型大小、平均精度与检测速度上均有提高,验证了 IWPT-YOLO算法对水域场景下的热成像人员目标具有更好的检测性能,更明显的优势.
文献关键词：
红外热成像;目标检测;YOLO;智能救生;无人艇
中图分类号：
作者姓名：
党相昭;何赟泽;程亮;杜闯;刘圳康;杨春利;王磊刚;杨士远
作者机构：
湖南大学电气与信息工程学院 长沙 410082;江苏海洋大学海洋工程学院 连云港 222005;珠海云洲智能科技股份有限公司 珠海 519085
文献出处：
引用格式：
[1]党相昭;何赟泽;程亮;杜闯;刘圳康;杨春利;王磊刚;杨士远-.面向水域场景的热成像人员识别算法研究)[J].电子测量与仪器学报,2022(08):187-193
A类：
IWPT,智能救生
B类：
人员识别,识别算法,算法研究,能见度,难以实现,检测与定位,红外热成像技术,学习目标,目标检测算法,黑暗,目标检测方法,多场景,自主构建,YZ,成像特点,水域环境,增强型,轻量级,水上,目标检测网络,infrared,water,person,target,MB,mAP,检测速度,FPS,YOLOv3,SSD,检测性能,无人艇
AB值：
0.352236
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
