跳到主要内容
极客日志极客日志面向AI+效率的开发者社区
首页博客我的书AI学习GitHub 精选镜像AI 生图工具UI配色美学关于
搜索内容 / 工具 / 仓库 / 镜像...⌘K搜索
注册
博客列表
PythonAI算法

基于无人机 RGB+红外双模态的小目标行人检测系统与数据集

一个基于无人机 RGB+红外(RGBT)双模态的小目标行人检测系统及其配套数据集。数据集包含 6,125 对高分辨率同步图像,覆盖多种复杂场景。文章提供了完整的 Python 实现方案,包括利用 YOLOv8 进行早期融合(4 通道输入)、自定义数据加载器、模型配置及训练推理脚本。该方案解决了传统单模态在夜间或弱光环境下检测率低的问题,适用于安防、搜救等低空视觉任务。

Pythonist发布于 2026/4/6更新于 2026/9/1189 浏览
基于无人机 RGB+红外双模态的小目标行人检测系统与数据集

无人机视角下 RGB+红外对齐行人小目标检测数据集

数据集概览

  • 模态与视角:无人机搭载 RGBT 双光相机,从 50–80 m 高度、45°–60° 俯视角采集,同步 RGB + 热红外图像对。
  • 规模:6,125 对图像(4,900 train / 1,225 test),分辨率 640×512,共 70,880 个行人实例。
  • 任务:专门面向 tiny person detection 的无人机 RGBT 检测 benchmark。

数据集信息表

项目内容
数据集名称DroneRGBT-Pedestrian
任务类型小目标行人检测(Tiny Person Detection)
应用场景低空安防、应急搜救、智慧城市、边境巡检、夜间监控
采集平台无人机(UAV)搭载 RGB + 热红外(Thermal)双光相机
模态双模态同步图像对:可见光(RGB)、热红外(Infrared / Thermal)
采集高度50 – 80 米
俯视角45° – 60° 斜向俯拍
图像分辨率640 × 512 像素(RGB 与红外严格对齐)
图像对数量6,125 对(每对含 1 张 RGB + 1 张红外图)
数据划分训练集(train):4,900 对;测试集(test):1,225 对
标注格式支持 YOLO / COCO / VOC 等(通常提供边界框 .txt 或 .json)
目标类别1 类:行人(Person)
总实例数70,880 个行人标注框(平均每个图像约 11.6 个目标)
目标特点小目标为主(多数 < 32×32 像素);包含遮挡、密集、远距离、夜间/低照度场景;红外模态增强弱光/夜间检测能力
对齐方式像素级空间对齐(经标定与配准,RGB 与红外图一一对应)
适用模型单模态:YOLOv8(RGB 或 Thermal);多模态融合:Fusion-YOLO、CFT、MFFNet、GLAD 等 RGBT 检测模型
用途无人机小目标检测 benchmark;多模态特征融合研究;跨模态对齐与迁移学习

该数据集专为挑战性极高的无人机小行人检测任务设计,特别适合评估模型在远距离、小尺度、复杂光照(含夜间)条件下的鲁棒性。

系统构建方案

以下是构建基于无人机 RGB+红外(RGBT)双模态小目标行人检测系统的完整代码方案,采用 YOLOv8 多模态融合架构(简化版),支持训练、推理与可视化。由于 Ultralytics YOLOv8 原生不直接支持双模态输入,我们将通过早期融合(Early Fusion)方式将 RGB 与红外图拼接为 4 通道输入,并微调模型。

注:本方案适用于科研/工程落地,可作为 benchmark 系统基础。

一、项目结构

DroneRGBT_Detection/
├── datasets/
│   ├── images/
│   │   ├── train/ # 存放融合后的 4 通道 .npy 或拼接图
│   │   └── val/
│   └── labels/
│       ├── train/
│       └── val/
├── models/
│   └── yolov8s-rgbt.yaml # 自定义 4 通道输入模型配置
├── tools/
│   ├── fuse_rgb_thermal.py # 将 RGB + 红外融合为 4 通道图像
│   └── create_labels.py # (若需从原始标注生成 YOLO 格式)
├── train.py # 训练脚本
├── detect.py # 推理脚本(支持单图/视频)
└── rgbt_drone.yaml # 数据集配置文件

二、融合 RGB + 红外图像

文件:tools/fuse_rgb_thermal.py

import os
import cv2
import numpy as np

def fuse_rgb_thermal(rgb_dir, thermal_dir, output_dir):
    os.makedirs(output_dir, exist_ok=True)
    rgb_files = sorted(os.listdir(rgb_dir))
    for rgb_file in rgb_files:
        if not rgb_file.lower().endswith(('.jpg', '.png')):
            continue
        thermal_file = rgb_file  # 假设文件名一致
        rgb_path = os.path.join(rgb_dir, rgb_file)
        thermal_path = os.path.join(thermal_dir, thermal_file)
        
        rgb = cv2.imread(rgb_path)  # (H, W, 3)
        thermal = cv2.imread(thermal_path, cv2.IMREAD_GRAYSCALE)  # (H, W)
        
        if rgb is None or thermal is None:
            print(f"Skip {rgb_file}")
            continue
        
        # 调整 thermal 到 3 通道(可选)或保留单通道
        thermal = np.expand_dims(thermal, axis=2)  # (H, W, 1)
        fused = np.concatenate([rgb, thermal], axis=2)  # (H, W, 4)
        
        # 保存为 .npy(推荐)或拼接图(如用 4 通道 TIFF)
        np.save(os.path.join(output_dir, rgb_file.replace('.jpg', '.npy')), fused)

if __name__ == '__main__':
    fuse_rgb_thermal(
        rgb_dir='raw_data/train/rgb',
        thermal_dir='raw_data/train/thermal',
        output_dir='datasets/images/train'
    )

✅ 输出为 .npy 文件(含 4 通道),便于后续加载。

三、自定义 YOLOv8 模型(4 通道输入)

创建 models/yolov8s-rgbt.yaml:

# YOLOv8s for RGBT (4-channel input)
nc: 1  # number of classes
scales: [0.33, 0.50]  # model depth and width scaling
backbone:
  # [from, repeats, module, args]
  - [-1, 1, Conv, [64, 3, 2]]  # 0-P1/2 (input must be 4-channel!)
  - [-1, 1, Conv, [128, 3, 2]]  # 1-P2/4
  - [-1, 3, C2f, [128, True]]
  - [-1, 1, Conv, [256, 3, 2]]  # 3-P3/8
  - [-1, 6, C2f, [256, True]]
  - [-1, 1, Conv, [512, 3, 2]]  # 5-P4/16
  - [-1, 6, C2f, [512, True]]
  - [-1, 1, Conv, [1024, 3, 2]]  # 7-P5/32
  - [-1, 3, C2f, [1024, True]]
  - [-1, 1, SPPF, [1024, 5]]  # 9
head:
  - [-1, 1, nn.Upsample, [None, 2, 'nearest']]
  - [[-1, 6], 1, Concat, [1]]  # cat backbone P4
  - [-1, 3, C2f, [512]]  # 12
  - [-1, 1, nn.Upsample, [None, 2, 'nearest']]
  - [[-1, 4], 1, Concat, [1]]  # cat backbone P3
  - [-1, 3, C2f, [256]]  # 15 (P3/8-small)
  - [-1, 1, Conv, [256, 3, 2]]
  - [[-1, 12], 1, Concat, [1]]  # cat head P4
  - [-1, 3, C2f, [512]]  # 18 (P4/16-medium)
  - [-1, 1, Conv, [512, 3, 2]]
  - [[-1, 9], 1, Concat, [1]]  # cat head P5
  - [-1, 3, C2f, [1024]]  # 21 (P5/32-large)
  - [[15, 18, 21], 1, Detect, [nc]]  # Detect(P3, P4, P5)

⚠️ 关键修改:首层 Conv 输入通道自动适配 4 通道(无需改代码,PyTorch 自动推断)。

四、数据集配置

文件:rgbt_drone.yaml

train: ./datasets/images/train  # 实际存放 .npy 路径
val: ./datasets/images/val
nc: 1
names: ['person']

❗ 注意:Ultralytics 默认读取图像文件(.jpg/.png),但我们需要加载 .npy。因此需自定义数据加载器。

五、自定义数据加载器

在 train.py 中重写 load_image 行为(简化版):

from ultralytics import YOLO
import torch
import numpy as np
import os
from pathlib import Path
from ultralytics.data.dataset import YOLODataset

# 替换默认的图像加载方式
def custom_load_image(self, i):
    """Load 4-channel .npy image"""
    path = self.files[i]
    if path.endswith('.npy'):
        img = np.load(path)  # (H, W, 4)
        img = img.transpose(2, 0, 1)  # (4, H, W)
        img = torch.from_numpy(img).float()
        return img, img.shape[1], img.shape[2]
    else:
        return self._old_load_image(i)

# Monkey patch(仅用于训练)
YOLODataset._old_load_image = YOLODataset.load_image
YOLODataset.load_image = custom_load_image

# 修改标签加载(确保 .txt 对应 .npy)
def custom_get_label_file(self, img_path):
    return str(Path(img_path).with_suffix('.txt'))

YOLODataset.get_label_file = custom_get_label_file

更稳健做法:继承 YOLODataset 并注册新类,但上述 monkey patch 可快速验证。

六、完整训练脚本

文件:train.py

from ultralytics import YOLO
import torch
import numpy as np
from pathlib import Path
from ultralytics.data.dataset import YOLODataset

# === 自定义数据加载(支持 .npy)===
def load_image_npy(self, i):
    f = self.im_files[i]
    if f.endswith('.npy'):
        im = np.load(f)  # (H, W, 4)
        im = im.transpose(2, 0, 1)  # (4, H, W)
        im = torch.from_numpy(im).float()
        h, w = im.shape[1], im.shape[2]
        return im, h, w
    else:
        return self._orig_load_image(i)

def get_label_file_npy(self, img_path):
    return str(Path(img_path).with_suffix('.txt'))

# Patch
YOLODataset._orig_load_image = YOLODataset.load_image
YOLODataset.load_image = load_image_npy
YOLODataset.get_label_file = get_label_file_npy

# === 开始训练 ===
if __name__ == '__main__':
    model = YOLO('models/yolov8s-rgbt.yaml')  # 从头训练
    # 或加载预训练权重(需修改首层 conv1.weight)
    # model = YOLO('yolov8s.pt')
    # model.model.model[0].conv = torch.nn.Conv2d(4, 64, 3, 2, 1)  # 手动替换
    
    model.train(
        data='rgbt_drone.yaml',
        epochs=100,
        imgsz=512,
        batch=16,
        name='drone_rgbdet',
        project='runs',
        device=0,
        cache=False,
        workers=4
    )

七、推理脚本

文件:detect.py

import torch
import numpy as np
import cv2
from ultralytics import YOLO

model = YOLO('runs/drone_rgbdet/weights/best.pt')

def detect_rgbd_pair(rgb_path, thermal_path):
    rgb = cv2.imread(rgb_path)  # (H, W, 3)
    thermal = cv2.imread(thermal_path, cv2.IMREAD_GRAYSCALE)  # (H, W)
    thermal = np.expand_dims(thermal, axis=2)
    fused = np.concatenate([rgb, thermal], axis=2)  # (H, W, 4)
    fused = fused.transpose(2, 0, 1)  # (4, H, W)
    fused = torch.from_numpy(fused).float().unsqueeze(0) / 255.0  # 归一化
    
    results = model(fused, augment=True)
    
    # 可视化:叠加在 RGB 图上
    annotated = results[0].plot()
    cv2.imshow('Detection', annotated)
    cv2.waitKey(0)

# 示例
detect_rgbd_pair('test/rgb/001.jpg', 'test/thermal/001.jpg')

八、部署建议

方案说明
科研实验使用 .npy + 自定义 DataLoader
工程部署将 RGB + 红外拼接为 4 通道 TIFF / PNG(需扩展 OpenCV 支持)
加速推理导出 ONNX 后使用 TensorRT(需处理 4 通道输入)
替代融合策略中期融合(Two-Stream + 特征拼接)效果更佳,但需重写模型

目录

  1. 无人机视角下 RGB+红外对齐行人小目标检测数据集
  2. 数据集概览
  3. 数据集信息表
  4. 系统构建方案
  5. 一、项目结构
  6. 二、融合 RGB + 红外图像
  7. 三、自定义 YOLOv8 模型(4 通道输入)
  8. YOLOv8s for RGBT (4-channel input)
  9. [from, repeats, module, args]
  10. 四、数据集配置
  11. 五、自定义数据加载器
  12. 替换默认的图像加载方式
  13. Monkey patch(仅用于训练)
  14. 修改标签加载(确保 .txt 对应 .npy)
  15. 六、完整训练脚本
  16. === 自定义数据加载(支持 .npy)===
  17. Patch
  18. === 开始训练 ===
  19. 七、推理脚本
  20. 示例
  21. 八、部署建议

更多推荐文章

查看全部
  • 智元机器人三大产线及量产里程碑解析
  • GitHub Copilot 实战:Python 开发中的 AI 辅助技巧
  • 基于 Python 的极简 OpenClaw Agent 实现:openclaw-mini
  • 富文本编辑集成指南:5 阶段实现低代码高效开发
  • 实战:手写通用 Web 层鉴权注解,解决水平权限漏洞
  • Spring AI MCP Server 集成与示例
  • Python 操作 PDF 页面详解:删除指定页的完整方案
  • MacOS 多合一启动盘制作与系统降版本指南
  • Dev-C++ 下载与安装指南
  • Spring AI MCP Server 集成与源码解析
  • Rust 异步编程实战:构建高性能网络服务
  • Flutter 高性能原理浅析
  • 基于 OpenClaw 搭建 QQ AI 办公机器人:关键词触发与邮件发送
  • 消息队列选型:Kafka、RabbitMQ 与 Redis 对比分析
  • Spring AI MCP Server 集成与使用指南
  • Bootstrap 5 导航组件详解与实战
  • Qwen3Guard-Gen-WEB 企业级部署与权限控制指南
  • llama.cpp Docker 镜像国内加速下载方法
  • 计算机网络基础定义与资源交换机制
  • 基于 React 与 AI 的数字塔罗占卜系统技术实现

相关免费在线工具

  • 加密/解密文本

    使用加密算法(如AES、TripleDES、Rabbit或RC4)加密和解密文本明文。 在线工具,加密/解密文本在线工具,online

  • RSA密钥对生成器

    生成新的随机RSA私钥和公钥pem证书。 在线工具,RSA密钥对生成器在线工具,online

  • Mermaid 预览与可视化编辑

    基于 Mermaid.js 实时预览流程图、时序图等图表,支持源码编辑与即时渲染。 在线工具,Mermaid 预览与可视化编辑在线工具,online

  • 随机西班牙地址生成器

    随机生成西班牙地址(支持马德里、加泰罗尼亚、安达卢西亚、瓦伦西亚筛选),支持数量快捷选择、显示全部与下载。 在线工具,随机西班牙地址生成器在线工具,online

  • Gemini 图片去水印

    基于开源反向 Alpha 混合算法去除 Gemini/Nano Banana 图片水印,支持批量处理与下载。 在线工具,Gemini 图片去水印在线工具,online

  • curl 转代码

    解析常见 curl 参数并生成 fetch、axios、PHP curl 或 Python requests 示例代码。 在线工具,curl 转代码在线工具,online