【技术实现步骤摘要】
一种基于深度学习的低可见度环境下实时目标检测方法
本专利技术涉及图像处理领域及目标检测领域,具体涉及一种基于深度学习的低可见度环境下实时目标检测方法。低可见度环境定义为烟尘、水雾、光线不足等外界因素影响较大的环境。
技术介绍
图像处理(imageprocessing)是指用计算机对图像进行分析,以达到所需结果的技术。又称影像处理。图像处理一般指数字图像处理。数字图像是指用工业相机、摄像机、扫描仪等设备经过拍摄得到的一个大的二维数组,该数组的元素称为像素,其值称为灰度值。图像处理技术一般包括图像压缩,增强和复原,匹配、描述和识别3个部分。本专利技术使用的图像处理方法为引导滤波,引导滤波是需要引导图的滤波器,引导图可以是单独的图像或者是输入图像,当引导图为输入图像时,引导滤波就成为一个保持边缘的滤波操作,可以用于图像重建的滤波。是一种自适应权重滤波,可进行图像平滑、增强、消光、羽化、去雾、联合采样等操作。直观的方法就是直接将引导滤波应用到三个颜色通道(RGB)中。引导滤波实际上是假设一像素k为中心的窗口存在局部线性关系,通过对局部线性关系求导可以判断哪些边缘需要保留,给出的a,b两个参数则是以像素k为窗口的周围的权重的均值,能够在平滑图像的同时起到保持边界的作用。引导滤波能够保持线性复杂度的原因在于每个像素虽然由多个窗口包含,求某一点像素值的具体输出值时,只需将包含该点所有的线性函数值平均即可,引导滤波支持线性的计算量,可以显著提高处理的效率。使用上述两种方法,使得目标检测更加的有效,即使在低可见度环境下 ...
【技术保护点】
1.一种基于深度学习的低可见度环境下实时目标检测方法,其特征在于,使用改进的VGG16网络、GoogLeNet目标检测算法与引导滤波相结合,使目标检测在烟尘、水雾、光线不足等低可见度环境下也能准确识别。其具体过程包括如下步骤:/n步骤1:实时视频流获取/n步骤2:产生目标检测中的数据集;/n步骤3:设置VGG16网络的参数;/n步骤4:引入VGG16网络对目标数据进行处理和分类;/n步骤5:测试训练后网络模型性能,找到当前性能最优模型;/n步骤6:结合低可见度环境下目标特点,引入引导滤波,使模型准确找到目标,确定目标坐标;/n步骤7:引入GoogLeNet网络模型,进行多尺度训练,提取数据的深层次特征,然后对坐标区域内的目标进行检测;/n步骤8:构建整体目标检测框架,命名为VGFG(VGG16 Guided Filter GoogLeNet)模型,使用改进的VGG16网络、GoogLeNet目标检测算法与引导滤波结合后的模型进行测试。/n
【技术特征摘要】
1.一种基于深度学习的低可见度环境下实时目标检测方法,其特征在于,使用改进的VGG16网络、GoogLeNet目标检测算法与引导滤波相结合,使目标检测在烟尘、水雾、光线不足等低可见度环境下也能准确识别。其具体过程包括如下步骤:
步骤1:实时视频流获取
步骤2:产生目标检测中的数据集;
步骤3:设置VGG16网络的参数;
步骤4:引入VGG16网络对目标数据进行处理和分类;
步骤5:测试训练后网络模型性能,找到当前性能最优模型;
步骤6:结合低可见度环境下目标特点,引入引导滤波,使模型准确找到目标,确定目标坐标;
步骤7:引入GoogLeNet网络模型,进行多尺度训练,提取数据的深层次特征,然后对坐标区域内的目标进行检测;
步骤8:构建整体目标检测框架,命名为VGFG(VGG16GuidedFilterGoogLeNet)模型,使用改进的VGG16网络、GoogLeNet目标检测算法与引导滤波结合后的模型进行测试。
2.根据权利要求1所述,一种基于深度学习的低可见度环境下实时目标检测方法,其特征在于,硬盘录像机IP与主机IP匹配,以及RTSP协议中通道号的确定。
3.根据权利要求1所述,一种基于深度学习的低可见度环境下实时目标检测方法,其特征在于,制作VOC格式数据集,利用labelImg工具,对数据集中图片数据进行标注,产生XML文件。
4.根据权利要求1所述,一种基于深度学习的低可见度环境下实时目标检测方法,其特征在于,选取适当尺度的先验框、网络学习率、训练层数。对于先验框的尺度,其遵守一个线性递增规则:随着特征图大小降低,先验框尺度线性加。其计算公式为
其中m是特征图的个数,Sk表示先验框大小相对于图片的比例,Smin和Smax分别表示比例的最大值和最小值。
学习率的选择是一个超参问题,需要不断测试,基本范围为0.1,0.01,0.001,0.0001,数量级递增进行测试,直到找到最优值,也可通过损失函数梯度进行调整,损失函数为
其中N代表正样本个数,表示第个先验框是否与第i个groundtruth相匹配,groundtruth且类别是p,c代表类别置信度预测值。l代表先验框的所对应边界框的位置预测值,g代表groundtruth的位置参数。
5.根据权利要求1所述,一种基于深度学习的低可见度环境下实时目标检测方法,其特征在于,预训练卷积层权重,下载文件darknet53.conv.74和步骤1中产生的深度学习数据集进行改进的VGG16网络训练。
6.根据权利要求1所述,一种基于深度学习的低可见度环境下实时目标检测方法,其特征在于,重复进行训练,根据步骤2调整参数,改进的VGG16...
【专利技术属性】
技术研发人员:李成严,马金涛,赵帅,
申请(专利权)人:哈尔滨理工大学,
类型:发明
国别省市:黑龙;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。