一种基于改进DCAM-YOLO的夜间复杂情况下野生动物动态多尺度特征检测方法

本发明提出一种基于夜间复杂情况下的高精度野生动物检测方法，属于计算机视觉领域。DCAM‑YOLO结合了动态多尺度特征融合和轻量化设计，弥补了传统方法在夜间复杂环境下检测精度不足的缺陷，特别是在处理目标遮挡、低照度及小目标密集分布等挑战时表现突出。该方法创新性地引入可变形大核注意力机制（D‑LKA），动态调整卷积核形状与大小以适应多样化的目标特征；通过SCINet模块优化低光照图像质量，结合SEAM模块补偿遮挡目标的响应损失；并设计轻量级下采样模块CGNet，有效整合局部细节与全局上下文信息。实验表明，该方法在复杂野外环境中，检测精度和实时性显著优于现有模型，为野生动物智能监测提供了更为精准和可靠的技术支持。