La detección de peatones en entornos con baja iluminación nocturna enfrenta desafíos como altas tasas de falsos positivos, omisiones significativas y precisión insuficiente en el reconocimiento. Por ello, este artículo propone un algoritmo de detección basado en una versión mejorada de RT-DETR, a través de un diseño colaborativo de múltiples módulos para lograr una detección precisa bajo poca luz. El algoritmo incorpora un módulo transformador espacial (FDT) en la parte superior de la pirámide de características, utilizando un mecanismo de atención de dos etapas para mejorar la extracción de características débiles y la modelación del contexto global; en la red del cuello se despliega un módulo de muestreo dinámico (DySample), mediante un mecanismo dinámico y aprendible de remuestreo espacial para alinear características a múltiples escalas y mejorar la detección de objetivos pequeños; y utiliza el módulo DRBC3 como núcleo de extracción de características, que integra convoluciones con múltiples tasas de dilatación y técnicas de reparametrización, construyendo campos receptivos de múltiples escalas para mejorar la captura de detalles en objetos difusos y ocluidos. Los experimentos en el conjunto de datos LLVIP muestran que este algoritmo reduce el número de parámetros mientras mejora el mAP0.5, la precisión (Precision) y el recall (Recall) en 1.39%, 2.21% y 3% respectivamente, con una mejora significativa en la velocidad de inferencia. Experimentos de generalización en los conjuntos de datos NightSurveillance y Nightowls confirman su desempeño superior. Bajo la premisa de mantener la capacidad en tiempo real, el algoritmo mejora eficazmente la precisión de detección y reduce la tasa de omisión, mostrando buena robustez y practicidad.

detección de peatones;RT-DETR;baja iluminación;mecanismo de atención;múltiples escalas