一种暗光环境下的目标检测方法和装置与流程

本发明属于目标环境，尤其涉及一种暗光环境下的目标检测方法、装置、电子设备和存储介质。

背景技术：

1、目标检测(object detection)是计算机视觉领域的重要研究方向，旨在从图像或视频中准确地识别并定位出特定目标的位置。目标检测在许多领域具有广泛的应用，如智能监控、自动驾驶、物体识别等。传统的目标检测算法主要基于手工设计的特征和分类器进行目标区域的提取和分类，如haar特征、hog特征等。然而，这种方法存在着特征选择困难、可扩展性差、效果受限等问题。近年来，深度学习的兴起极大地推动了目标检测算法的发展。基于深度学习的目标检测算法通过神经网络自动学习图像特征和目标分类器，克服了传统方法的局限性。

2、目标检测算法的进步为实现更准确、实时的目标识别和定位提供了有力的工具和方法。但在暗光环境下，由于光线条件的限制，目标检测算法往往难以获得准确的结果。暗光环境下目标检测存在以下问题：

3、1、暗光环境下，图像的亮度较低，目标的边界和细节信息不够清晰，这使得目标检测算法很难准确地提取出目标区域，导致目标检测算法的性能下降。

4、2、暗光环境下的光照不均匀性可能导致目标区域的亮度差异较大，使得目标的特征提取困难。

5、3、暗光环境下目标与背景之间的对比度降低，使得目标与周围环境的区别变得模糊。这可能导致目标检测算法难以准确地分割目标，并将背景误认为目标或丢失目标。

技术实现思路

1、鉴于以上现有技术的不足，发明的目的在于提供一种暗光环境下的目标检测方法、装置、电子设备和存储介质，有效解决了传统目标检测算法在暗光环境下存在的低亮度、高噪声等问题，提高了暗光环境下的目标检测的精度。

2、本发明的第一方面，提出了一种暗光环境下的目标检测方法，包括：

3、暗光环境下，获取待检测目标的图像；

4、将待检测目标的图像输入预先训练的图像亮度增强模型中得到待检测目标的图像对应的亮度增强后的图像；

5、将待检测目标的图像对应的亮度增强后的图像输入预先训练的目标检测模型中得到目标检测结果。

6、进一步地，上述一种暗光环境下的目标检测方法中，预先训练的图像亮度增强模型的训练步骤，包括：

7、获取多张正常光照下的图像和暗光环境下的图像；

8、将所述多张正常光照下的图像和暗光环境下的图像按照比例构建训练集、验证集和测试集；

9、使用训练集和验证集训练模型得到预先训练的图像亮度增强模型，使用测试集测试预先训练的图像亮度增强模型。

10、进一步地，上述一种暗光环境下的目标检测方法中，使用训练集和验证集训练模型得到预先训练的图像亮度增强模型，包括：

11、将训练集中的多张正常光照下的图像和暗光环境下的图像对应的rgb图像对转换到hsv色彩空间，提取h色调、s饱和度和v明度三个通道的信息；

12、对于训练集中暗光环境下的图像的v明度通道，通过图像亮度增强模型中的v明度分量增强模块，输入为原暗光图像的v明度通道，输出为增强处理后的v'，所述v明度分量增强模块由多个卷积块组成的卷积网络结构；

13、将增强后的v'明度通道，与暗光环境下的图像的h色调、s饱和度通道进行拼接操作，得到hsv'特征向量；

14、将hsv'特征向量转换回rgb颜色空间，通过图像亮度增强模型中的图像重建模块重建为亮度增强后的输出图像i'；

15、使用验证集验证图像亮度增强模型。

16、进一步地，上述一种暗光环境下的目标检测方法中，图像亮度增强模型的损失函数包含两部分，一部分是v明度分量增强模块的损失，一部分是图像重建模块的损失，损失函数通过如下公式表示：l＝lv+lreconv明度分量增强模块损失lv表示为：lv＝||rv-rv'||

17、图像重建模块损失lrecon表示为：lrecon＝||i-i'||

18、其中，rv表示正常光照下的图像的v分量，rv'表示暗光环境下的图像的v明度分量经v明度分量增强模块处理后的新的v'明度分量，i表示正常光照下的图像，i'表示暗光图像经重建模块处理后的图像。

19、进一步地，上述一种暗光环境下的目标检测方法中，预先训练的目标检测模型，包括：

20、获取多张正常光照下的图像和暗光环境下的图像；

21、将所述多张正常光照下的图像和暗光环境下的图像按照比例构建训练集、验证集和测试集；

22、使用训练集和验证集训练模型得到预先训练的图像亮度增强模型，使用测试集测试预先训练的图像亮度增强模型；

23、将暗光环境下的图像输入预先训练的图像亮度增强模型中得到亮度增强后的图像；

24、使用亮度增强后的图像训练yolov5得到预先训练的目标检测模型。

25、进一步地，上述一种暗光环境下的目标检测方法，还包括：

26、将预先训练的图像亮度增强模型和所述预先训练的目标检测模型进行串联操作，将所述预先训练的图像亮度增强模型的输出作为预先训练的目标检测模型的输入。

27、进一步地，上述一种暗光环境下的目标检测方法中，获取多张正常光照下的图像和暗光环境下的图像，包括：

28、调整数码相机的曝光时间、光圈、iso值以及使用闪光灯获取多张正常光照下的图像和暗光环境下的图像集。

29、本发明的第二方面，提出了一种暗光环境下的目标检测装置，包括：

30、获取模块：用于暗光环境下，获取待检测目标的图像；

31、第一输入模块：用于将所述待检测目标的图像输入预先训练的图像亮度增强模型中得到待检测目标的图像对应的亮度增强后的图像；

32、第二输入模块：用于将所述待检测目标的图像对应的亮度增强后的图像输入预先训练的目标检测模型中得到目标检测结果。

33、本发明的第三方面，还提出了一种电子设备，包括：处理器和存储器；

34、所述处理器通过调用所述存储器存储的程序或指令，用于执行如上所述任一项所述一种暗光环境下的目标检测方法。

35、本发明的第四方面，还提出了一种计算机可读存储介质，所述计算机可读存储介质存储程序或指令，所述程序或指令使计算机执行如上所述任一项所述一种暗光环境下的目标检测方法。

36、本发明的有益效果如下：本发明通过在暗光环境下，获取待检测目标的图像；将待检测目标的图像输入预先训练的图像亮度增强模型中得到待检测目标的图像对应的亮度增强后的图像；将待检测目标的图像对应的亮度增强后的图像输入预先训练的目标检测模型中得到目标检测结果。本发明将预先训练的图像亮度增强模型输出的高质量图像作为目标检测网络的输入数据，这使得预先训练的目标检测模型可以在更优化的输入条件下运行，充分发挥其性能上限，避免由于暗光引起的目标信息损失，有效提高了暗光环境下的目标检测的精度，有效解决了传统目标检测算法在暗光环境下存在的低亮度、高噪声等问题，提高了暗光环境下的目标检测的精度。