基于改进YOLOv5算法的红外图像行人目标检测

针对红外图像中行人检测算法准确率低、漏检等问题，提出了一种基于改进YOLOv5s的红外行人目标检测方法。首先，利用Transformer编码结构替换C3模块中的Bottleneck结构，以加强检测网络的特征融合能力；其次，利用递归门控卷积gnConv对视觉感受野模块RFB进行改进，并在YOLOv5s头部检测网络前加入改进的RF-gnConv模块，以提高模型对各种复杂场景行人检测的适应力；最后，利用OTCBVS数据集对算法模型进行验证。结果显示：改进后的算法模型平均精度均值达到97.3%，检测速度为63帧/s，验证了改进算法对红外图像中行人检测的有效性。