| 第一指导教师主要成果： |
|
| 第二指导教师主要成果： |
|
| 项目简介： |
本项目致力于开发一套低光照红外行人检测系统，专为自动驾驶和智能辅助驾驶（ADAS）领域设计。通过结合红外成像技术和深度学习算法，系统有效解决了传统视觉系统在低光照或夜间环境下行人检测的难题。采用优化后的YOLO11模型、BiFPN特征融合、坐标注意力（CA）机制和全局注意力（GAM），系统能够在复杂场景中精准检测行人，包括夜间、遮挡和小目标等条件下，保证高精度识别。
此外，系统引入了轻量级可变形卷积（LDConv），显著降低计算复杂度，提高模型推理速度，确保在车载边缘计算设备（如NVIDIA Jetson Orin等）上高效运行，满足自动驾驶对实时性的要求。结合EIoU损失函数，优化了目标框回归能力，并通过数据增强策略，使系统在雨天、雾天、强光等复杂环境中表现优异。
本项目还提供了软硬件一体化解决方案，支持SDK/API接口，便于与ADAS系统和自动驾驶平台集成，同时通过云端AI服务按需计费，降低客户初期投入，促进系统快速部署。随着自动驾驶、智能交通和智能安全领域的快速发展，本项目具有巨大的市场潜力。
|
| 一、申请理由 |
|
| 二、项目方案： |
|
| 三、学校提供条件： |
|
| 四、预期成果： |
|
| 五、经费预算： |
|
| 项目附件: |
无附件上传 |