Обнаружение пешеходов в условиях низкой освещённости ночью сталкивается с проблемами высокой частоты ложных срабатываний, значительных пропусков и недостаточной точности распознавания. В связи с этим в статье предлагается алгоритм обнаружения на основе улучшенного RT-DETR, реализующий точное обнаружение при низком освещении посредством совместного проектирования нескольких модулей. Алгоритм внедряет модуль пространственного преобразователя (FDT) на верхнем уровне пирамиды признаков, используя двухэтапный механизм внимания для усиления извлечения слабых признаков и моделирования глобального контекста; в шейной сети устанавливается модуль динамической выборки (DySample), применяющий динамический обучаемый пространственный ресемплинг для выравнивания многошкальных признаков и улучшения обнаружения мелких объектов; ядром извлечения признаков служит модуль DRBC3, сочетающий свёртки с разными степенями расширения и методы репараметризации, создавая многоуровневые рецептивные поля для повышения способности захватывать детали размытых и перекрывающихся объектов. Эксперименты на датасете LLVIP показывают, что алгоритм при уменьшении количества параметров улучшает mAP0.5, точность (Precision) и полноту (Recall) на 1.39%, 2.21% и 3% соответственно, существенно увеличивая скорость вывода. Генерализационные испытания на наборах данных NightSurveillance и Nightowls подтвердили превосходные характеристики. Алгоритм эффективно улучшает точность обнаружения и снижает пропуски при сохранении реального времени, обладая высокой устойчивостью и практичностью.

обнаружение пешеходов;RT-DETR;низкая освещённость;механизм внимания;многошкальный