稀疏森林冠層遮擋下的多模態目標檢測

稀疏森林冠層遮擋下的多模態目標檢測研究取得了新的進展。來自印度的研究人員Nitik Jain和Mangal Kothari在arXiv預印本上發表了一項概念驗證工作，旨在解決森林冠層下人類檢測這一遙感難題。由於森林冠層遮擋稀疏且結構複雜，傳統的光學或雷達遙感方法往往難以可靠地探測到地面目標。該研究提出了一種多模態管道，整合了三種互補的技術途徑：首先，透過實驗評估LiDAR訊號穿透植被的能力，以確定主動感測的可行性。LiDAR作為一種常用的三維感知技術，在植被穿透方面存在侷限，尤其是在稀疏森林中，其回波訊號容易受到枝幹和葉片的干擾。其次，採用基於多尺度變換和稀疏表示框架的可見光-熱成像融合方法，將可見光影像與熱紅外影像進行融合，從而在低對比度場景中突出人體的顯著性。熱成像對溫度差異敏感，可以在光照不足或背光情況下提供補充資訊。第三，利用航空光學切片（AOS）技術生成合成孔徑影像，以抑制冠層背景雜波，增強地面目標的對比度。AOS透過從不同視角採集影像併合成，能夠有效去除遮擋物的影響。研究團隊在Teledyne FLIR熱成像資料集上對YOLOv5目標檢測器進行了微調，並在原始熱影像和融合影像上分別進行測試。實驗結果表明，所測試的地面LiDAR配置在目標級檢測中的穿透能力有限，而可見光-熱融合顯著改善了低對比度場景下的目標可見性。AOS在合成森林影像中有效增強了地平面檢測能力。微調後的YOLOv5在FLIR資料集的前三類（人、車、腳踏車）上達到了約0.83的平均精度均值（mAP）。這些發現為可部署於無人機的森林搜尋救援和監視系統建立了初步效能基線，同時也激勵了未來在專用森林資料集、即時多模態融合等方面的進一步研究。該論文已被提交至計算機視覺與模式識別領域，編號為arXiv:2605.15326。