基于卷积神经网络的海上民用航空器搜寻方法及装置制造方法及图纸

本申请实施例提供一种基于卷积神经网络的海上民用航空器搜寻方法及装置，所述方法包括:获取待识别图像信息，所述图像信息中包括多帧待处理图片；基于YOLO架构的第一算法识别待识别图像信息中的多帧待处理图片，获得第一识别结果；基于YOLO架构的第二算法识别待识别图像信息中的多帧待处理图片，获得第二识别结果；基于YOLO架构将第一识别结果与第二识别结果进行差别检测，获得目标识别结果。基于YOLO架构可以实现对图像的实时预测与识别，以实现无人机或卫星拍摄的图像进行具有较高的准确率及较快的识别速度的海上民用航空器搜寻识别。

【技术实现步骤摘要】
基于卷积神经网络的海上民用航空器搜寻方法及装置
本申请涉及图像处理领域，尤其涉及一种基于卷积神经网络的海上民用航空器搜寻方法及装置。
技术介绍
目前，海面航空器搜寻方法主要是通过部署直升机、船舶和无人机手段进行搜寻，这种搜寻方法需要人工对收集到的海面航空器的视频或图片进行筛选、过滤和对比，从而对海面航空器进行识别确定。通常人工对视频或图片进行筛选、过滤和对比的过程较为繁琐、复杂，以使识别效率较为低下，搜寻结果的准确性有待提高。
技术实现思路
本专利技术提供的一种基于卷积神经网络的海上民用航空器搜寻方法及装置，以实现对图像较快的识别效率以及较高的准确率。为此，本专利技术实施例提供了以下技术方案：本专利技术实施例提供一种基于卷积神经网络的海上民用航空器搜寻方法，其包括:获取待识别图像信息，所述图像信息中包括多帧待处理图片；基于YOLO架构的第一算法识别待识别图像信息中的多帧待处理图片，获得第一识别结果；基于YOLO架构的第二算法识别待识别图像信息中的多帧待处理图片，获得第二识别结果；基于YOLO架构将第一识别结果本文档来自技高网...

【技术保护点】
1.一种基于卷积神经网络的海上民用航空器搜寻方法，其特征在于，其包括:/n获取待识别图像信息，所述图像信息中包括多帧待处理图片；/n基于YOLO架构的第一算法识别待识别图像信息中的多帧待处理图片，获得第一识别结果；/n基于YOLO架构的第二算法识别待识别图像信息中的多帧待处理图片，获得第二识别结果；/n基于YOLO架构将第一识别结果与第二识别结果进行差别检测，获得目标识别结果。/n

【技术特征摘要】
1.一种基于卷积神经网络的海上民用航空器搜寻方法，其特征在于，其包括:
获取待识别图像信息，所述图像信息中包括多帧待处理图片；
基于YOLO架构的第一算法识别待识别图像信息中的多帧待处理图片，获得第一识别结果；
基于YOLO架构的第二算法识别待识别图像信息中的多帧待处理图片，获得第二识别结果；
基于YOLO架构将第一识别结果与第二识别结果进行差别检测，获得目标识别结果。


2.根据权利要求1中所述的基于卷积神经网络的海上民用航空器搜寻方法及装置方法，其特征在于，基于YOLO架构的第一算法识别待识别图像信息中的多帧待处理图片，获得第一识别结果的步骤包括：
第一算法包括YOLOV.3算法；
基于YOLOV.3算法识别待识别图像信息中的多帧待处理图片，获得第一识别结果。


3.根据权利要求1中所述的基于卷积神经网络的海上民用航空器搜寻方法，其特征在于，基于YOLO架构的第二算法识别待识别图像信息中的多帧待处理图片，获得第二识别结果的步骤包括：
第二算法包括TINYYOLOV.3算法；
第二芯片基于TINYYOLOV.3算法识别待识别图像信息中的多帧待处理图片，获得第二识别结果。


4.根据权利要求1中所述的基于卷积神经网络的海上民用航空器搜寻方法，其特征在于，所述获取待识别图像信息，所述图像信息中包括多帧待处理图片的步骤包括：
获取待识别图像，从获取的待识别图像中提取出所述多帧待处理图片。


5.一种基于卷积神经网络的海上民用航空器搜寻装置，其特征在于，其包括：
图像获取模块，用于获取待识别...

【专利技术属性】
技术研发人员：潘卫军，刘皓晨，王润东，
申请(专利权)人：中国民用航空飞行学院，
类型：发明
国别省市：四川;51