La detección de peatones en entornos con poca luz 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 RT-DETR mejorado, que logra una detección precisa en condiciones de poca luz mediante un diseño colaborativo de múltiples módulos. El algoritmo incorpora un módulo transformador espacial (FDT) en la capa superior de la pirámide de características, utilizando un mecanismo de atención en dos etapas para mejorar la extracción de características débiles y el modelado del contexto global; en la red del cuello se despliega un módulo de muestreo dinámico (DySample), que mediante un mecanismo de remuestreo espacial dinámico y aprendible logra la alineación de características a múltiples escalas y mejora la detección de objetos pequeños; y utiliza el módulo DRBC3 como núcleo de extracción de características, fusionando convoluciones con múltiples tasas de dilatación y técnicas de reparametrización para construir campos receptivos multi-escala que mejoran la captura de detalles en objetivos borrosos y ocluidos. Los experimentos en el conjunto de datos LLVIP muestran que el algoritmo mejora mAP0.5, precisión (Precision) y recall (Recall) en un 1.39 %, 2.21 % y 3 % respectivamente, a la vez que reduce el número de parámetros y mejora significativamente la velocidad de inferencia. Los experimentos de generalización en los conjuntos NightSurveillance y Nightowls validan aún más su rendimiento sobresaliente. El algoritmo mejora eficazmente la precisión de detección y reduce la tasa de omisión garantizando la capacidad en tiempo real, mostrando buena robustez y practicidad.

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