POP-YOLOv8: система обнаружения объектов для частично закрытых пешеходов в ночном городском движении

Почему важно видеть людей в темноте

Вождение ночью значительно опаснее, чем при дневном свете, главным образом потому, что труднее заметить людей на дороге и рядом с ней. Фары создают блики и глубокие тени, а пешеходы могут частично скрываться за припаркованными машинами или уличной инфраструктурой. В этой статье представлен POP-YOLOv8 — система компьютерного зрения, призванная помочь автомобилям быстрее и точнее обнаруживать частично скрытых пешеходов в тёмных, загруженных улицах, что потенциально снижает число ночных аварий.

Скрытые опасности ночных улиц

Ночные сцены дорожного движения визуально сложны. Уличные фонари, фары, дождь и туман ухудшают качество изображения и заставляют людей сливаться с фоном. Стандартные алгоритмы обнаружения пешеходов часто пропускают тех, кто находится далеко, слабо освещён или частично закрыт другими объектами. Авторы концентрируются на особенно рискованном случае: пешеходах, видимых лишь частично в условиях низкой освещённости — например, человек, выходящий из-за припаркованной машины. Они утверждают, что полезная система безопасности должна быть одновременно точной и достаточно быстрой, чтобы работать в реальном времени на бортовых компьютерах автомобилей.

Более умный способ заметить людей

POP-YOLOv8 опирается на популярный и быстрый детектор YOLOv8n и адаптирует его к задачам ночного вождения. Сначала Модуль Усиления Признаков усиливает слабые признаки частично скрытых пешеходов, анализируя сцену на нескольких масштабах при разумной вычислительной нагрузке. Затем специализированный блок внимания — Модуль Внимания к Частичной Окклюзии Пешехода — учит сеть концентрироваться на наиболее значимых частях изображения, таких как видимое плечо или нога, при снижении влияния визуального шума вроде дорожной разметки или вывесок магазинов. В совокупности эти компоненты помогают системе отслеживать людей даже тогда, когда видны лишь фрагменты их тел.

Проще, быстрее и ярче

Чтобы оставаться практичной для реального автомобиля, модель должна не только хорошо видеть, но и быстро работать на ограниченном оборудовании. Поэтому исследователи заменяют часть тяжёлых вычислений «Ghost»-модулями, которые формируют полезные признаки с помощью более дешёвых операций и уменьшают избыточные вычисления. Параллельно они решают ключевую проблему — собственно тёмноту. Компонент улучшения яркости, основанный на сети с самокалибровкой освещённости, очищает и осветляет входные кадры перед обнаружением, используя сочетание вычислений в полной и половинной точности для баланса между качеством изображения и скоростью. Дополнительные дизайнерские приёмы, такие как эффективное внимание по каналам и остаточные соединения, помогают сохранить тонкие детали, например контуры пешеходов, и поддерживать стабильность конвейера обработки.

Подвергли систему испытаниям

Команда обучает и оценивает POP-YOLOv8 на BDD100K — большом наборе данных для вождения, содержащем тысячи ночных сцен с разнообразной погодой и освещением. Они проводят тщательные абляционные тесты, поочерёдно добавляя каждый новый модуль, чтобы увидеть, какую выгоду он даёт. Модули усиления признаков и внимания повышают точность обнаружения, особенно для частично скрытых пешеходов, хотя поначалу замедляют модель. Затем Ghost-модули возвращают утраченный запас скорости и при этом ещё больше повышают точность. По сравнению с несколькими известными детекторами, включая Faster R-CNN и более поздние версии YOLO, POP-YOLOv8 достигает лучшего баланса точности и частоты кадров в ночных сценах и особенно хорошо работает на слегка осветлённых изображениях, где усиление не чрезмерно.

Что это значит для более безопасных ночей

Для неспециалистов вывод прост: POP-YOLOv8 — это доработанная система зрения, которая помогает автомобилям надёжнее «видеть» людей в тёмных, загромождённых улицах, даже когда они частично скрыты. Комбинируя коррекцию яркости, выборочное фокусирование на важных областях изображения и более эффективную внутреннюю архитектуру, модель обнаруживает пешеходов точнее, чем ряд ведущих альтернатив, при этом оставаясь достаточно быстрой для работы в реальном времени. Хотя необходима дальнейшая работа по сокращению вычислительных затрат для компактных устройств, подобные системы приближают автономное вождение к способности распознавать наиболее уязвимых участников дорожного движения в ключевых ситуациях — на плохо освещённых дорогах ночью.

Цитирование: Liu, H., Zhang, Z. & Feng, B. POP-YOLOv8: an object detection framework for partially occluded pedestrians in nighttime traffic environments. Sci Rep 16, 4841 (2026). https://doi.org/10.1038/s41598-026-35146-9

Ключевые слова: обнаружение пешеходов ночью, безопасность автономного вождения, обнаружение объектов, улучшение изображений при слабом освещении, компьютерное зрение