The invention discloses an optical fast detection and recognition method for UAV based on YOLO deep learning network framework. The steps of the method are as follows: 1. To collect optical imaging experimental data from flight test for five kinds of UAV in the current market mainstream, and process the collected optical imaging experimental data according to standard VOC data format; 2. To build YOLO network frame; The YOLO network framework is improved by residual network module, and the improved YOLO network framework is trained to get the detection and recognition model. Step 3: Select the actual flight optical imaging experimental data including five UAVs, and use the detection and recognition model obtained in step 2 to detect and identify. The invention avoids the problems of complex artificial modeling of UAV and complex background features and weak applicability, and can greatly improve the speed and accuracy of moving target detection and recognition in complex background.
【技术实现步骤摘要】
一种基于YOLO深度学习网络框架的无人机光学快速检测识别方法
本专利技术属于图像处理
,涉及一种基于光学成像的无人机检测识别方法,具体涉及一种基于YOLO(YouOnlyLookOnce,只看一眼)深度学习网络框架的无人机光学快速检测识别方法。
技术介绍
近年来,无人机技术得到了迅猛发展,已广泛应用于航拍、农业植保、交通监控、灾区探测、电力巡线、快速侦查、突袭等众多军民领域。但无人机市场的泛滥也带来了各种安全隐患,尤其是不遵守监管规定、超越规定空域飞行的无人机,给机场民航客机安全、重点区域周边的安防造成了极大威胁。因此,亟需发展我国重要设施周边、人群聚集场地、重要军事地区周边等重点区域的空中无人机监测与安全防御措施。目前,无人机的空中监视与防御主要以雷达、GPS信号为主,如ThaleSA(法)、DroneShield(美)、JAMMER(墨)公司使用雷达对无人机进行监测,上海后洪电子科技专利技术的便携式无人机干扰器则通过无人机遥控信号和GPS定位信号压制使无人机坠落或者返航。但基于雷达或者GPS信号的方法主要用于无人机的远距离快速发现、捕获与跟踪,目前仍难以实现对无人机类型的高效、高准确率的检测识别。而采用光学手段对无人机进行检测识别具有以下优点:1)相比于雷达,光学成像能够获取更加丰富的灰度、纹理、结构等目标细节信息,更适用于无人机类型的高准确率识别;2)相比于GPS,光学手段属于被动方式,不需要目标主动接收信号。因此基于光学成像的无人机检测识别已成为重要发展趋势。传统的光学检测识别方法是先人工构建特征再选择合适的分类器,其在背景简单、目标不变特征 ...
【技术保护点】
1.一种基于YOLO深度学习网络框架的无人机光学快速检测识别方法,其特征在于所述方法步骤如下:步骤一:针对目前市场主流的五种无人机开展飞行试验采集光学成像实验数据,并按照标准VOC数据格式对采集的光学成像实验数据进行处理;步骤二:搭建YOLO网络框架,利用残差网络模块对YOLO网络框架进行改进,对改进后的YOLO网络框架进行训练,得到检测识别模型;步骤三:选取包含五种无人机的实拍飞行光学成像实验数据,利用步骤二所得的检测识别模型进行检测识别。
【技术特征摘要】
1.一种基于YOLO深度学习网络框架的无人机光学快速检测识别方法,其特征在于所述方法步骤如下:步骤一:针对目前市场主流的五种无人机开展飞行试验采集光学成像实验数据,并按照标准VOC数据格式对采集的光学成像实验数据进行处理;步骤二:搭建YOLO网络框架,利用残差网络模块对YOLO网络框架进行改进,对改进后的YOLO网络框架进行训练,得到检测识别模型;步骤三:选取包含五种无人机的实拍飞行光学成像实验数据,利用步骤二所得的检测识别模型进行检测识别。2.根据权利要求1所述的基于YOLO深度学习网络框架的无人机光学快速检测识别方法,其特征在于所述五种无人机为大疆M100、Phantom-3、Inspire-1、农业植保无人机、警用无人机。3.根据权利要求1所述的基于YOLO深度学习网络框架的无人机光学快速检测识别方法,其特征在于所述步骤二的具体步骤如下:(1)YOLO将输入图像分成13×13个格子,每个格子负责检测“落入”该格子的物体,每个格子的输出信息包含两大部分,分别是包含物体矩形区域信息的5个boundingbox信息以及C个物体属于某种类别的概率信息;(2)搭建YOLO网络,网络包括24个卷积层和2个全连接层,卷积层用于提取图像特征,全连接层用于预测目标位置和类别概率。(3)利用残差模块对YOLO网络进行改进,加入4处短路连接构成残差单元,4处残差单元部分梯度传播方...
【专利技术属性】
技术研发人员:智喜洋,俞利健,巩晋南,江世凯,陈文彬,胡建明,
申请(专利权)人:哈尔滨工业大学,
类型:发明
国别省市:黑龙江,23
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。