夜间复杂场景下红外图像行人检测算法研究

赵双, 陈树越, 王巧月

赵双, 陈树越, 王巧月. 夜间复杂场景下红外图像行人检测算法研究[J]. 红外技术, 2021, 43(6): 575-582.
引用本文: 赵双, 陈树越, 王巧月. 夜间复杂场景下红外图像行人检测算法研究[J]. 红外技术, 2021, 43(6): 575-582.
ZHAO Shuang, CHEN Shuyue, WANG Qiaoyue. Infrared Pedestrian Detection in Complex Night Scenes[J]. Infrared Technology , 2021, 43(6): 575-582.
Citation: ZHAO Shuang, CHEN Shuyue, WANG Qiaoyue. Infrared Pedestrian Detection in Complex Night Scenes[J]. Infrared Technology , 2021, 43(6): 575-582.

夜间复杂场景下红外图像行人检测算法研究

基金项目: 

江苏省研究生科研创新基金项目 KYCX19_1770

详细信息
    作者简介:

    赵双(1995-),女,硕士,主要研究方向:模式识别(行人检测)。E-mail:zhsss1030@163.com

    通讯作者:

    陈树越(1963-),男,教授,主要研究方向:计算机视觉、图像处理。E-mail:csyue2000@163.com

  • 中图分类号: TP391

Infrared Pedestrian Detection in Complex Night Scenes

  • 摘要: 针对夜间红外图像中行人与背景灰度差异小且存在遮挡等问题,提出了一种夜间复杂场景下的红外行人检测算法。首先利用行人语义融合方法生成对目标全覆盖的显著图,与原图融合得到感兴趣区域,然后构造基于改进的方向梯度直方图特征的两分支分类器,同时提出一种遮挡判别算法,根据分类器模糊分数判断是否遮挡,设计一种头部模板实现最终的行人检测。在LSI远红外行人数据集和自主采集的冬、夏季节夜间行人数据上进行实验,结果表明:在不同环境下,所提出的方法均可快速鲁棒地检测出行人,可较显著地降低漏检率,检测率可达到94.20%。
    Abstract: An infrared pedestrian detection algorithm is proposed to solve the problem of small differences between pedestrians and backgrounds in gray scale images and the occurrence of occlusion in infrared images at night. First, a significant graph with the full coverage of the target is generated by the pedestrian semantic fusion method, and the region of interest is obtained by combining it with the original graph. Then, a two-branch classifier based on the improved histogram of the gradient feature is constructed. The fuzzy score of the classifier is used to determine the occurrence of occlusion and call the head template for the final detection. Experiments based on the LSI far infrared pedestrian dataset and independent datasets of pedestrians captured at night in winter and summer prove that the proposed method is robust and quick in detecting pedestrians under different environments. It can significantly reduce the rate of missed detection and realize a detection rate of 94.20%.
  • 近年来,科技的迅猛发展加速了红外材料的制造加工水平提升,使得红外镜头得以迅速广泛应用,在军事和民用方面的市场需求十分广泛。红外镜头大多匹配制冷型探测器,在成本方面存在一定的劣势。当红外镜头在焦距f′<200 mm的应用场景中,可以适配非制冷探测器,相对制冷型具有极大的价格优势。

    非制冷红外探测器的发展牵引着非制冷红外热成像领域的发展。美国的Texas Instruments公司和Honeywell公司分别在1978年和1983年研发出了非制冷红外热像仪,目前美国的FLIR公司、DRS公司、BAE北美公司、Raytheon公司和法国的ULIS公司以及日本的NEC AVIO公司等是国外红外非制冷热成像市场的行业领先者。昆明物理研究所2004年自主研发出首款国产的非制冷红外探测器,随着红外探测器的发展,现在武汉高德红外股份有限公司、浙江大立科技股份有限公司、北方夜视研究院集团等研究机构和企业在非制冷红外热成像领域也取得了很大的进步[1]

    非制冷红外镜头必须有较小的F/#(通常<1.4),才能获得基本清晰的图像,较大的F/#会降低非制冷红外镜头的敏感度,同时镜头的光通量也会减少。非制冷红外镜头的F/#越低,则相对孔径越大,意味着其成像质量更好。目前市场上已有更大面阵、更小像元尺寸的红外探测器件,以匹配更大视场、更紧凑的光学系统。目前市场上的红外镜头对其环境适应性要求较高,尤其要求在宽环境温度范围内正常工作,因此需要在光学设计阶段进行消热差。

    土耳其的Doruk Kucukcelebi[2]等人利用由不同长波红外光学材料组成的各种光学系统进行了无热化设计,并从轴外光学优化了光学系统的像差和性能。南京邮电大学通达学院陈潇[3]设计的用于大面阵(1024×768@17 μm)的长波红外无热化镜头,F/#为1.0,全视场角为13.8°。厦门理工学院的张继艳[4]等人设计的大相对孔径长波红外无热化镜头,F/#为1.0,适用于384×288@17 μm的探测器,全视场角为38°。孙爱平等人[5]设计的红外无热化镜头,F/#为0.8,适用于640×512@17 μm的探测器,视场为36.5°×27.8°。

    上述无热化镜头设计均无法同时满足大相对孔径和大面阵的要求,本文在此基础上继续优化改进,设计了一款用于可1024×768@12 μm大面阵,F/#=0.8大相对孔径的长波红外镜头。本文基于无热化设计原理及条件,使用了Ge、IG6、ZnSe三种红外材料组合设计和四面非球面矫正系统像差设计,对高低温下的离焦量进行了补偿,同时进行了公差分析。此镜头满足了大相对孔径和大面阵的要求,具备光通量高、结构形式简单、工艺性较佳的优点,可广泛应用于车载辅助驾驶仪、机载吊舱等领域。

    温度的变化会使得透镜的各项参数(如曲率半径、折射率、厚度、非球面的高次项系数)发生变化,使镜筒材料发生热胀冷缩从而影响透镜间的空气间隔[6],同时使空气折射率发生变化[7]。而这些变化的累积会对红外成像系统的像面离焦产生影响,使得成像质量下降。

    当离焦量小于光学系统焦深时,根据瑞利判据,实际波面与参考波面的波像差不超过1/4波长时,此波面可看作是无缺陷的[8]。无热化设计的目的是使焦面位移量在一个焦深以内。焦深ΔL0′的公式为[9]

    $$\Delta L_0{ }^{\prime}=2 \lambda(\mathrm{F} / \#)^2$$ (1)

    光学系统无热化方式分为主动无热化和被动无热化,其中被动无热化又分为机械被动无热化和光学被动无热化[10]。光学被动无热化,是指光学系统选取合理的结构形式,各透镜采用不同的光学材料,利用不同光学材料之间温度特性的差异进行匹配,从而控制温度变化时像面离焦在一个焦深范围内,也称为光学被动消热差方式。常见长波红外光学材料的各参数见表 1。光学被动无热化不需要电机驱动,同时可靠性较高,所以本文采用光学被动式消热差方式设计。

    表  1  常见长波红外材料参数
    Table  1.  Common long-wavelength infrared material parameters
    Material Refractive index at 10 μm Abbe number 8~12 μm dn/dT at 10 μm and 20℃/(10-6/℃) CTE αg/(10-6/℃)
    Germanium 4.0028 834 408 6.1
    Gasir-1 2.4944 120 49.7 17
    Gasir-3 2.6105 115 53 17
    Amtir-1 2.5109 113 70.5 12
    Amtir-2 2.6027 110 47.2 13.5
    IG2 2.4944 119 61 12.1
    IG5 2.6033 108 70 14
    IG6 2.7781 159 41 20.7
    ZnS_IR 2.1920 23 41 6.6
    ZnSe 2.4028 52 61 7.1
    下载: 导出CSV 
    | 显示表格

    光学被动式无热化要求光学系统满足以下3个条件:

    1)光焦度要求为:

    $$ \sum\limits_{i = 1}^n {{h_i}} {\varphi _i} = \varphi $$ (2)

    2)消轴向色差要求为:

    $$ \Delta f_{\rm{b}}^{\rm{T}} = {(\frac{1}{{{h_1}\varphi }})^2}\sum\limits_{i = 1}^n {(h_i^2{\omega _i}{\varphi _i})} = 0 $$ (3)

    3)消热差要求为:

    $$ \frac{{{\rm{d}}f_{\rm{b}}^{\rm{T}}}}{{{\rm{d}}t}} = {(\frac{1}{{{h_1}\varphi }})^2}\sum\limits_{i = 1}^n {(h_i^2{\chi _i}{\varphi _i})} = {\alpha _h}L $$ (4)

    式中:hi为第一近轴光线在各个透镜上的高度;φi为各个透镜的光焦度;φ为系统的总光焦度;ωi为各光学元件的色散因子,等于材料阿贝数的倒数;χi为光热膨胀系数;αh为机械结构件的线热膨胀系数;L为机械结构件的长度。这3个方程构成了光学系统无热化方程组。折射光学元件光热膨胀系数χi

    $$ {\chi _i} = {\alpha _{\rm{g}}} - \frac{1}{{n - {n_0}}}(\frac{{{\rm{d}}n}}{{{\rm{d}}T}} - n\frac{{{\rm{d}}{n_0}}}{{{\rm{d}}T}}) $$ (5)

    式中:αg为光学元件的线热膨胀系数;n为光学元件的折射率;n0为环境介质的折射率;dn/dT为材料的折射率温度系数。折射光学元件的温度特性是由材料的线热膨胀系数和折射率温度系数决定的[11]

    光学被动无热化设计,首先根据红外系统的应用场景和使用需求,确定光学系统的设计指标和结构形式;然后根据红外材料的色差系数和热差系数,选择并确定每个透镜的材料;再根据上述无热方程组来求解各透镜的光焦度,进行光焦度分配,得到一个在常温(20℃)下像质较好的光学系统;最后,在保持总光焦度基本不变的前提下,对高低温下的离焦量进行补偿,优化光学系统、平衡像差,直到高低温下的像质满足要求。

    本文的大相对孔径大面阵长波红外光学无热化镜头适配1024×768非制冷型红外探测器,探测器像元尺寸为12 μm×12 μm,该红外镜头设计指标如表 2所示。

    表  2  光学设计参数
    Table  2.  Parameters of optical system parameters
    Wavelength range/μm 8 to 12 (Central wave 10 μm)
    Efficient focal length/mm 16.8
    F/# 0.8
    Field of view 40°×30°
    Image size(diagonal)/mm 7.68 mm
    Temperature range/℃ −40 to 60
    Classification of athermalization Optical passive
    下载: 导出CSV 
    | 显示表格

    红外物镜的主要类型有透射式、反射式和折反射式3种[12]。反射式和折反射式系统的结构尺寸较大且存在中心遮拦,为满足尺寸限制和能量要求,采用透射式结构形式[13]。本文采用类高斯对称的4片式结构,孔径光阑设置在第三片透镜的第一面上。焦距分配为负-正-负-正,便于自身像差的相互补偿。

    透射式结构要实现同时消色差和热差,必须采用3种以上的光学材料[14]。根据表 1中红外晶体材料和硫系玻璃材料的性能参数,选取常用的单晶材料Ge,搭配折射率温度系数较高而折射率较低的ZnSe和折射率温度系数较低而折射率较高的IG6,利用3种材料的温度特性的差异来消除系统热差。镜筒机械材料选择常用的铸铝(线热膨胀系数αh=23.6×10-6/℃)。第1片负光焦度透镜和第4片正光焦度透镜选用阿贝数很大、热差系数很小的材料Ge;第2片正光焦度透镜选用阿贝数较大、热差系数较大的材料IG6;第3片负光焦度透镜选用阿贝数较小、热差系数较小的材料ZnSe。利用这3种材料进行组合与匹配,能够对系统的色差和热差进行校正[12]

    由方程(2)~(4)可求解出透镜的光焦度,利用光学设计软件计算出光学系统的初始结构,孔径光阑重新设置在第二片透镜的第一面上,用来限制轴外像差。如图 1所示。

    图  1  光学系统初始结构
    Figure  1.  Structure diagram of initial optical system

    对计算得到的初始结构进行分析,可知光线从第1面入射时偏折较大,因此将第1面设置为偶次非球面;第4面和第5面球差、彗差较大,将第4面和第5面都设置为偶次非球面。利用Zemax对系统进行优化后,可得到一个满足表 2参数要求(除无热化要求外)且常温下(20℃)像质较好的光学系统,如图 2所示。

    图  2  优化后的光学系统结构
    Figure  2.  Structure diagram of optimized optical system

    对优化后的系统进行热分析,建立-40℃、20℃、60℃下的多重结构,分析温度变化对光学系统的影响。此时若引入衍射光学元件,可提升高温(60℃)和低温(-40℃)的像质并简化系统设计,但衍射面有衍射能量损失,影响成像的质量和对比度,降低系统的性能。因此,在保证系统充足光通量的基础上,为了进一步平衡像差,提升高低温的成像质量,将第8面设置为偶次非球面,在此基础上持续优化。

    优化得到的光学系统结构如图 3所示,根据公式(1)可得,该系统的焦深为12.8 μm,系统在不同温度下的离焦情况如表 3所示。

    图  3  最终的光学系统结构
    Figure  3.  Structure diagram of final optical system
    表  3  不同温度下的像面离焦量
    Table  3.  Image defocus at different temperatures
    Temperature/℃ 20 −40 60
    Focus shift/μm 6 11 9
    下载: 导出CSV 
    | 显示表格

    由此可知,该光学系统满足像面离焦在一个焦深范围内的无热化要求。

    采用的探测器像元尺寸为12 μm×12 μm,由式(6)可得系统的截止频率fd为41.6 lp/mm。

    $$ {f_{\rm{d}}} = \frac{1}{{2 \times M}} $$ (6)

    式中:M为探测器像元尺寸大小,为12 μm。

    图 4表 4可知,系统在空间频率42 lp/mm处,衍射极限的MTF值为0.56,常温下中心视场(0ω)的MTF值大于0.50,全视场(1ω)的MTF值大于0.28;除低温全视场(1ω)的MTF值小于0.16外,其他低温和高温状态各视场(0ω、0.5ω、0.7ω、1ω)的MTF值都大于0.21。-40℃~60℃范围内系统在截止频率处各视场的平均调制传递函数值大于0.4,约达到衍射极限的71%。

    图  4  光学系统的调制传递函数曲线
    Figure  4.  Curves of optical system MTF
    表  4  系统在不同温度下的MTF@42 lp/mm
    Table  4.  MTF of system at 42 lp/mm at different temperatures
    Temperature 20℃ -40℃ 60℃
    0 Field MTF 0.500 0.513 0.474
    0.7 Field MTF Tangential 0.456 0.429 0.349
    Sagittal 0.374 0.248 0.440
    1.0 Field MTF Tangential 0.284 0.158 0.219
    Sagittal 0.373 0.104 0.458
    下载: 导出CSV 
    | 显示表格

    图 5表 5可知,常温下中心视场的RMS半径值小于4.3 μm,全视场的RMS半径值小于11 μm;低温和高温状态中心视场的RMS半径值小于6.2 μm,高温全视场的RMS半径值小于12.2 μm。所匹配的红外探测器像元大小为12 μm,全工作温度范围内的中心视场弥散斑约在一个像元内,除低温全视场的RMS半径值为15.206 μm外,其他温度的各视场弥散斑约在两个像元内,该红外镜头在高低温下的成像质量满足要求。-40℃~60℃范围内系统各视场的点列图均方根半径小于16 μm。

    图  5  光学系统的点列图
    Figure  5.  Spot diagrams of optical system
    表  5  系统在不同温度下的弥散斑RMS半径
    Table  5.  RMS radius of system spot diagrams at different temperatures
    Temperature/℃ Field RMS spot radius/μm
    20 0 4.242
    0.5 5.203
    0.7 6.600
    1.0 10.947
    -40 0 4.187
    0.5 5.086
    0.7 9.246
    1.0 15.206
    60 0 6.151
    0.5 11.314
    0.7 10.560
    1.0 12.101
    下载: 导出CSV 
    | 显示表格

    综合分析光学系统的离焦情况、MTF曲线和点列图,该系统满足无热化设计的要求,达到预期效果。

    完成像质评价后,考虑到实际系统加工的可行性,需要对系统进行公差分析。由于无热化系统在工作温度范围(-40℃~60℃)内各参数变化不大,因此仅需对20℃的情况进行公差分析即可。

    利用光学设计软件对该系统进行公差分析,采用软件默认公差,像面移动为补偿,在截止频率42 lp/mm处,中心视场(0 ω)的子午MTF从设计值0.5降到0.41的概率在90%以上,0.7ω视场的子午MTF从设计值0.42降到0.35的概率在90%以上,全视场(1ω)的子午MTF从设计值0.29降到0.23的概率在90%以上。公差分析结果如图 6所示,弧矢方向结果类似,不再重复给出。因此,常规加工装调精度即可满足系统要求,该光学系统可进行实际生产加工。

    图  6  子午方向的公差分析MTF曲线
    Figure  6.  Tolerance analysis MTF curve in tangential direction

    本文设计了焦距为16.8 mm,视场角为40°×30°,F/#为0.8的大相对孔径长波红外光学无热化镜头,可匹配1024×768@12 μm的大面阵非制冷探测器,工作温度范围为-40℃~60℃。本镜头同时满足了大相对孔径、大面阵的技术要求,并具有光通量高、工艺性较佳、分辨率高、宽工作温度范围等优势。该镜头可应用于车载辅助驾驶仪、机载吊舱等领域,可广泛应用在各种需要态势感知的场景中。

  • 图  1   行人检测流程图

    Figure  1.   Pedestrian detection flow chart

    图  2   目标性计算示意图

    Figure  2.   Schematic diagram of target calculation

    图  3   HOG特征计算过程

    Figure  3.   HOG feature calculation process

    图  4   检测窗口分块

    Figure  4.   Detection window chunking

    图  5   头部检测模型

    Figure  5.   Head detection model

    图  6   样本示例:(a)(b)(c)冬季拍摄;(d)(e)(f)夏季拍摄

    Figure  6.   Sample diagram: (a)(b)(c) Shooting in winter; (d)(e)(f) Shooting in summer

    图  7   目标性检测

    Figure  7.   Schematic diagram of target detection

    图  8   不同算法检测效果对比

    Figure  8.   Detection effects of different algorithms

    表  1   两分支的SVM分类器训练参数

    Table  1   SVM classifier training parameters of the two branches

    Window size Block size Cell size Step Bin Feature dimension
    Near target 48×96 16×16 8×8 8 9 1980
    Distant target 24×48 8×8 4×4 4 9 1980
    下载: 导出CSV

    表  2   测试数据的基本信息

    Table  2   Basic information of test data

    Dataset Size/frame Date Location
    Test-L 2000 - -
    Test-W1 1578 2018/1/2 Street
    Test-W2 979 2018/1/3 Campus
    Test-S1 1123 2019/5/29 Street
    Test-S2 1089 2019/5/30 Campus
    下载: 导出CSV

    表  3   参数混淆矩阵

    Table  3   Parameter confusion matrix

    Truth Predicted result
    Positive example Negative example
    Positive example TP FN
    Negative example FP TN
    下载: 导出CSV

    表  4   Wm标记结果

    Table  4   Wm marking results

    Wm Picture number Pedestrian number Pedestrian mark Labeling rate/% Mark time/s
    5 500 774 630 81.4 5.94
    10 500 774 636 82.2 8.39
    50 500 774 671 86.7 12.70
    100 500 774 928 94.1 17.83
    150 500 774 751 97.0 23.29
    200 500 774 752 97.2 29.01
    350 500 774 755 97.6 44.00
    500 500 774 755 97.6 56.38
    下载: 导出CSV

    表  5   与基本算法检测结果对比

    Table  5   Comparison of detection results with the basicalgorithm

    Algorithm ACC/% t/ms
    HOG 89.27 236.4
    TBHOG 86.19 122.8
    TBHOG+ROI extraction 91.44 159.0
    TBHOG+Occlusion handling 93.23 168.4
    TBHOG+ ROI extraction + occlusion handling 94.20 181.6
    下载: 导出CSV

    表  6   与其他算法检测效果对比

    Table  6   Comparison of detection effect with other algorithms

    Algorithm LSI FIR test-W test-S
    ACC/% t/ms ACC/% t /ms ACC/% t/ms
    HOG 89.27 236.4 80.59 289.7 62.77 274.1
    LBP 85.21 202.3 77.90 304.5 59.25 294.5
    HOG-LBP 93.64 333.7 84.03 375.8 68.17 373.8
    ACF 94.05 1008 85.54 1469 64.28 1742
    RetinaNet 90.13 1364 82.21 1730 63.09 2297
    Proposed 94.20 181.6 89.17 264.7 73.64 285.3
    下载: 导出CSV
  • [1]

    XU Z, ZHUANG J, LIU Q, et al. Nighttime FIR pedestrian detection benchmark dataset for ADAS[C]// Proceedings of Pattern Recognition and Computer Vision, 2018: 323-333.

    [2]

    TAO Y, FU D, SHU P. Pedestrian tracking for infrared image sequence based on trajectory manifold of spatio-temporal slice[J]. Multimedia Tools and Applications, 2017, 76: 11021-11035. DOI: 10.1007/s11042-016-3461-8

    [3] 刘洋. 基于LS-DYNA的汽车正面碰撞计算机模拟仿真[D]. 西安: 西华大学, 2011.

    LIU Yang. Simulation on the Front Impact of Vehicle Based on LS-DYNA[D]. Xi'an: Xihua University, 2011.

    [4]

    Dalal N, Triggs B. Histograms of Oriented Gradients for Human Detection[C]// 2005 IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR'05), 2005, 1(1): 886-893.

    [5]

    Bosch A, Zisserman A, Munoz X. Representing shape with a spatial pyramid kernel[C]//Acm International Conference on Image & Video Retrieval, 2007: 401-408(doi: https://doi.org/10.1145/1282280.1282340).

    [6]

    Sangeetha D, Deepa P. A low-cost and high-performance architecture for robust human detection using histogram of edge oriented gradients[J]. Microprocessors and Microsystems, 2017, 53: 106-119. DOI: 10.1016/j.micpro.2017.07.009

    [7]

    ZHENG C H, PEI W J, YAN Q, et al. Pedestrian detection based on gradient and texture feature integration[J]. Neurocomputing, 2017, 228: 71-78. DOI: 10.1016/j.neucom.2016.09.085

    [8] 朱聪聪, 项志宇. 基于梯度方向和强度直方图的红外行人检测[J]. 计算机工程, 2014, 40(12): 195-198, 204. https://www.cnki.com.cn/Article/CJFDTOTAL-JSJC201412037.htm

    ZHU Congcong, XIANG Zhiyu. Infrared pedestrian detection based on histograms of oriented gradients and intensity[J]. Computer Engineering, 2014, 40(12): 195-198, 204. https://www.cnki.com.cn/Article/CJFDTOTAL-JSJC201412037.htm

    [9]

    Itti L, Koch E. A model of saliency-based visual attention for rapid scene analysis[J]. IEEE Trans., 1998, 20(11): 1254-1259 http://dl.acm.org/citation.cfm?id=297870

    [10]

    Radhakrishna A, Sheila H, Francisco E, et al. Frequency-tuned salient region detection[C]//2009 IEEE Conference on Computer Vision and Pattern Recognition, 2009: (doi: 10.1109/CVPR.2009.5206596).

    [11]

    HOU X D, ZHANG L Q. Saliency detection: a spectral residual approach[C]//2007 IEEE Conference on Computer Vision and Pattern Recognition, 2007: (doi: 10.1109/CVPR.2007.383267).

    [12]

    Alexe B, Deselaers T, Ferrari V. Measuring the objectness of image windows[J]. IEEE Transactions on Software Engineering, 2012, 34(11): 2189-2202. http://newmed.wanfangdata.com.cn/Paper/Detail/PeriodicalPaper_PM22248633

    [13]

    WANG X, HAN T X, YAN S. An HOG-LBP human detector with partial occlusion handling[C]//12th International Conference on Computer Vision of IEEE, 2010: (doi: 10.1109/ICCV.2009.5459207).

    [14]

    Javier M N, Vazquez D, Lopez A M, et al. Occlusion handling via random subspace classifiers for human detection[J]. IEEE sTransactions on Cybernetics, 2013, 44(3): V342-354. http://www.ncbi.nlm.nih.gov/pubmed/23757554

    [15]

    Broggi A, Bertozzi M, Fascioli A, et al. Shape-based pedestrian detection[C]//IEEE Intelligent Vehicles Symposium, 2000: (doi: 10.1109/IVS.2000.898344).

    [16]

    Brehar R, Vancea C, Nedevschi S. Pedestrian detection in infrared images using aggregated channel features[C]//IEEE International Conference on Intelligent Computer Communication & Processing, 2014: (doi: 10.1109/ICCP.2014.p6936964).

    [17]

    LIN T Y, Goyal P, Girshick R, et al. Focal loss for dense object detection[J]. IEEE Transactions on Pattern Analysis & Machine Intelligence, 2017, 99: 2999-3007. DOI: 10.1109/ICCV.2017.324

    [18] 车凯, 向郑涛, 陈宇峰, 等. 基于改进Fast R-CNN的红外图像行人检测研究[J]. 红外技术, 2018, 40(6): 578-584. http://hwjs.nvir.cn/article/id/hwjs201806010

    CHE Kai, XIANG Zhengtao, CHEN Yufeng, et al. Research on infrared image pedestrian detection based on improved fast R-CNN[J]. Infrared Technology, 2018, 40(6): 578-584. http://hwjs.nvir.cn/article/id/hwjs201806010

  • 期刊类型引用(8)

    1. 刘杰,汪冰,马涛,李奇,左标. 半导体单光子雪崩光电二极管的封装发展. 光学与光电技术. 2023(01): 108-117 . 百度学术
    2. 郭可飞,尹飞,刘立宇,乔凯,李鸣,汪韬,房梦岩,吉超,屈有山,田进寿,王兴. Zn扩散对InGaAs/InP单光子雪崩光电二极管雪崩击穿概率的影响. 光子学报. 2023(06): 192-202 . 百度学术
    3. 刘海军,张靖,莫才平,段利华,闫应星,黄晓峰. SiNx表面修饰在剥离技术中的应用. 信息记录材料. 2022(07): 58-61 . 百度学术
    4. 史衍丽,朱泓遐,杨雪艳,曾辉,李再波,刘辰,王建,王伟. InP基自由运行模式单光子APD. 红外与激光工程. 2020(01): 56-63 . 百度学术
    5. 顾小琨,李永亮,胡伟伟,刘泓鑫,张英明,张翼鹏. 激光测距系统中光电探测器的研究进展. 量子光学学报. 2019(01): 100-108 . 百度学术
    6. 胡伟达,李庆,陈效双,陆卫. 具有变革性特征的红外光电探测器. 物理学报. 2019(12): 7-41 . 百度学术
    7. 于跃,刘雪莲,单泽彪,王春阳,杨波. SPAD单光子探测器的SPICE模型及其CQC淬火电路研究. 红外技术. 2019(08): 726-730 . 本站查看
    8. 唐张婷,赵凤麒,杜雷浩. 基于人工智能的振动模式识别系统. 卫星电视与宽带多媒体. 2019(13): 22-23 . 百度学术

    其他类型引用(11)

图(8)  /  表(6)
计量
  • 文章访问数:  440
  • HTML全文浏览量:  251
  • PDF下载量:  66
  • 被引次数: 19
出版历程
  • 收稿日期:  2019-07-01
  • 修回日期:  2019-11-24
  • 刊出日期:  2021-06-19

目录

/

返回文章
返回
x 关闭 永久关闭

尊敬的专家、作者、读者:

端午节期间因系统维护,《红外技术》网站(hwjs.nvir.cn)将于2024年6月7日20:00-6月10日关闭。关闭期间,您将暂时无法访问《红外技术》网站和登录投审稿系统,给您带来不便敬请谅解!

预计6月11日正常恢复《红外技术》网站及投审稿系统的服务。您如有任何问题,可发送邮件至编辑部邮箱(irtek@china.com)与我们联系。

感谢您对本刊的支持!

《红外技术》编辑部

2024年6月6日