RGB-T车辆密度估计网络

多模态特征融合

该网络利用热成像补充RGB信息，在光照差、强反射和恶劣天气下仍能准确估计车辆密度。

Ling-Xiao, Qin · 孙红梅 · Xiao-Meng, Duan · Cheng-Yue, Che · 贾瑞生

IEEE Internet of Things Journal 2024

参数信息

GAME2

5.21

RMSE

3.54

技术优势

能识别隐蔽车辆

通过引入热图像，即使在光线差或强反射条件下，也能利用热特征发现RGB中难以辨认的车辆。

修正模态错位

边缘特征校准模块（EFC）专门用于校正RGB与热成像模态间的空间不对齐区域，使融合更准确。

估计精度更高

在DroneVehicle数据集上，GAME2降至5.21，RMSE降至3.54，优于现有方法。

应用场景

• 无人机交通监控：无人机搭载RGB-T相机，在夜间或恶劣天气下进行车辆计数与流量分析。
• 智能交通分析：为智能交通提供全天候可靠的车辆密度分布，支撑拥堵预警与信号优化。
• 多模态融合感知：通过融合RGB与热成像特征，突破单一视觉模态的环境限制，提升感知鲁棒性。
• 车辆密度估计：直接输出像素级密度图，无需检测每辆车，可估计图像中车辆的数量与空间分布。