基于DSP加速计算板卡的无人平台目标检测识别方法与系统技术方案

本发明专利技术提出一种基于DSP加速计算板卡的无人平台目标检测识别方法，其特征在于，包括：对待检测识别的一目标图像进行灰度化；按照一比例，采用双线性插值法将灰度化的所述目标图像缩放到一指定尺寸；基于一阈值，将缩放到所述指定尺寸的所述目标图像进行二值化；提取二值化后的所述目标图像的7个对平移、尺度和旋转不变矩特征；将所述7个不变矩特征输入已训练好的SVM多类分类器中，并输出所述目标图像的类别。

【技术实现步骤摘要】
基于DSP加速计算板卡的无人平台目标检测识别方法与系统
本专利技术涉及图像处理
，特别涉及一种基于DSP加速计算板卡的目标检测识别方法与系统，适用于无人平台对典型目标的检测识别。
技术介绍
无人平台是指无人驾驶的、完全按遥控操作或者按预编程序自主运作的一类平台，主要包括卫星、无人机、水下滑翔机等。无人平台搭载CPU主控板与DSP加速计算板卡。其中主控板以CPU为核心，其中有操作系统与文件系统，主要负责处理指令和控制调配，与DSP加速计算板卡相比，存储空间较大，有较完备的文件系统，可以存储量较大的数据与算法程序。DSP加速计算板卡主要负责目标检测识别的算法硬件实现，程序存储空间较小，不能存储量较大的数据。无人平台的一次航行周期是指一次上电将用户程序二进制代码烧写进DSP加速计算板卡的EPROM中，之后无人平台运行此程序，开始航行，完成一次任务的时间。现有无人平台搭载的传感器主要分为三类，包括光学、红外、SAR等。从图像中检测目标并且判断目标类型、定位目标位置是目标检测识别算法的工作。目标检测识别任务可分为两个关键的子任务：目标分类和本文档来自技高网...

【技术保护点】
1.一种基于DSP加速计算板卡的无人平台目标检测识别方法，其特征在于，包括：/n步骤1、对待检测识别的一目标图像进行灰度化；/n步骤2、按照一比例，采用双线性插值法将灰度化的所述目标图像缩放到一指定尺寸；/n步骤3、基于一阈值，将缩放到所述指定尺寸的所述目标图像进行二值化；/n步骤4、提取二值化后的所述目标图像的7个对平移、尺度和旋转不变矩特征；/n步骤5、将所述7个不变矩特征输入已训练好的SVM多类分类器中，并输出所述目标图像的类别。/n

【技术特征摘要】
1.一种基于DSP加速计算板卡的无人平台目标检测识别方法，其特征在于，包括：
步骤1、对待检测识别的一目标图像进行灰度化；
步骤2、按照一比例，采用双线性插值法将灰度化的所述目标图像缩放到一指定尺寸；
步骤3、基于一阈值，将缩放到所述指定尺寸的所述目标图像进行二值化；
步骤4、提取二值化后的所述目标图像的7个对平移、尺度和旋转不变矩特征；
步骤5、将所述7个不变矩特征输入已训练好的SVM多类分类器中，并输出所述目标图像的类别。


2.根据权利要求1所述的基于DSP加速计算板卡的无人平台目标检测识别方法，其特征在于，还包括：
步骤6、将缩放到所述指定尺寸的所述目标图像进行中值滤波处理；
步骤7、基于所述阈值，将中值滤波处理后的所述目标图像进行二值化；
步骤8、基于二值化后的所述目标图像，确认其中像素值大于所述阈值的区域为所述目标位于的目标区域，并输出所述目标区域的位置。


3.根据权利要求1或2所述的基于DSP加速计算板卡的无人平台目标检测识别方法，其特征在于，在所述步骤1中采用加权平均法对所述目标图像进行灰度化。


4.根据权利要求1所述的基于DSP加速计算板卡的无人平台目标检测识别方法，其特征在于，所述步骤4中提取所述目标图像的7个不变矩特征包括：
步骤41、将所述目标图像的坐标原点移至质心，可得到位移不变的中心矩；所述中心矩通过以下公式计算：






其中，f(x,y)代表所述目标图像，μpq为中心矩，mpq为几何矩，M和N为所述目标图像的宽度和高度，为所述目标图像质心，由一阶矩(m10,m01)确定，m00为所述目标图像的零阶矩，为所述目标图像的目标区域的面积，其中目标区域为像素值大于该阈值的区域；
步骤42、对所述中心矩进行归一化处理，令ηpq＝μpq/(μ00)γ，为保证尺度不变性，令尺度变化后的ηpq′＝ηpq，即



利用代数不变理论，由归一化二阶和三阶中心矩可构造所述7个矩特征，即



其中，γ＝[(p+q)/2]+1,[·]为取整运算，Φ1-Φ7分别为所述7个矩特征。


5.根据权利要求1所述的基于DSP加速计算板卡的无人平台目标检测识别方法，其特征在于，所述步骤7中的所述SVM多类分类器通过以下步骤训练得到：
步骤71、收集所需要检测所述目标的实际场景图像；
步骤72、基于所述实际场景图像，构建所述目标的三维模型，并通过在不同位置、不同角度、不同尺度下对所述目标的三维模型投影以生成所述目标的二维图像；
步骤73、将所述目标的实际场景图像和所述目标的二维图像作为两个类别，训练得到CycleGAN模型；
步骤74、将所述目标的二维图像输入所述CycleGAN模型的生成器，并生成用于训练所述SVM多类分类器的训练图像；
步骤75、利用双线性插值法将所述训练图像缩放到所述指定尺寸，并提取所述训练图像的所述7个不变矩特征；
步骤76、制定所述目标的类别标签、基于二分类器SVM并采用一对一投票策略，训练得到所述SVM多类分类器。


6.根据权利要求2所述的基于DSP加速计算板卡的无人平台目标检测识别方法，其特征在于，所述步骤8中输出所述目标区域的位置包括：
步骤81、采用矩形框标注所述目标区域，并输出所述矩形框的左上角坐标和右下角坐标；
步骤82、根据所述步骤2中的所述比例对所述矩形框的左上角坐标和右下角坐标进行矫正，并输出矫正后的所述矩形框的左上角坐标和右下角坐标。

...

【专利技术属性】
技术研发人员：宋仕肖，郑天垚，王飞，
申请(专利权)人：中国科学院计算技术研究所，
类型：发明
国别省市：北京;11