一种飞机目标识别方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种飞机目标识别方法、装置、计算机设备和存储介质。所述方法包括获取训练集中飞机图像的目标斜框标注、精细掩膜和图像语义分割图，将其作为训练样本；获取预设混合任务级联网络，在其分割分支引入斜框回归器，得到旋转混合任务级联网络；根据机头正向，构建方向损失函数；根据预测框损失函数、掩膜损失函数、分割损失函数和方向损失函数，确定总损失函数；根据训练样本及总损失函数，对旋转混合任务级联网络进行反向训练，得到飞机目标识别模型；获取待测样本，将其输入飞机目标识别模型，得到飞机类别、机头正向以及斜框预测信息。使用本发明专利技术可以提高飞机目标检测识别的准确率和方向准确度。准确率和方向准确度。准确率和方向准确度。

【技术实现步骤摘要】
一种飞机目标识别方法、装置、计算机设备和存储介质


[0001]本申请涉及目标识别
，特别是涉及一种飞机目标识别方法、装置、计算机设备和存储介质。

技术介绍

[0002]随着图像解译领域不断发展及普及，越来越多的检测识别技术被广泛应用于民用领域，如人脸识别、车辆检测等。飞机目标的方向检测和精细识别是高分辨率光学遥感图像解译领域的一个重要任务。该技术对民用领域中如民航机场流量管控、航班识别、监视空运交通、保障民航飞行安全等方面具有较为广阔的应用前景。
[0003]但是，因为民航机场背景复杂，遥感飞机目标自动检测与识别一直以来都是非常具有挑战性的任务。在光学遥感图像中，飞机目标检测识别具有以下难点：方向检测困难、精细识别困难。

技术实现思路

[0004]基于此，有必要针对上述技术问题，提供一种能够实现对飞机机头正向的准确检测和飞机类别的进行识别的一种飞机目标识别方法、装置、计算机设备和存储介质。
[0005]一种飞机目标识别方法，所述方法包括：
[0006]获取训练集中飞机图像的目标斜框标注、精细掩膜和图像语义分割图。
[0007]获取预设混合任务级联网络，在所述预设混合任务级联网络的分割分支引入斜框回归器，得到旋转混合任务级联网络；所述斜框回归器用于输出飞机的机头正向和斜框预测信息。
[0008]根据所述机头正向，构建方向损失函数。
[0009]根据旋转混合任务级联网络中的预测框损失函数、掩膜损失函数、分割损失函数和所述方向损失函数，确定所述旋转混合任务级联网络的总损失函数。
[0010]根据所述目标斜框标注、所述精细掩膜和所述图像语义分割图以及所述总损失函数，对所述旋转混合任务级联网络进行反向训练，得到飞机目标识别模型。
[0011]获取待测飞机图像的待测目标斜框标注、待测精细掩膜和待测图像语义分割图，将所述待测目标斜框标注、所述待测精细掩膜和所述待测图像语义分割图输入所述飞机目标识别模型，得到飞机类别、所述机头正向以及所述斜框预测信息。
[0012]在其中一个实施例中，还包括：
[0013]将所述训练集中飞机图像的目标斜框标注、所述精细掩膜和所述图像语义分割图作为混合任务级联网络的训练样本，将所述训练样本输入到所述旋转混合任务级联网络中的骨干网络。
[0014]将所述骨干网络的输出数据输入到分割网络进行分割处理，得到分割结果。
[0015]根据所述分割结果，利用最小矩形框拟合，并提取切片，得到目标斜框预测和图像切片。
[0016]设定呈十字交叉排布的第一预测主轴和第二预测主轴，所述预测第一预测主轴和所述第二预测主轴分别与所述目标斜框预测的一条边平行。
[0017]根据所述第一预测主轴和第二预测主轴分别将所述图像切片二等分，得到四部分，根据所述四部分的精细掩膜面积的差，得到真实主轴；
[0018]沿所述主轴方向上每个像素点统计主轴两侧目标轮廓线上对应的最外侧两个像素点与主轴之间的平均距离，得到目标凸轮廓剖面图。
[0019]沿所述主轴方向按照预定百分比保留所述目标凸轮廓剖面图前面部分、后面部分，统计对应的值的和，得到所述机头正向。
[0020]将所述主轴和所述机头正向输入到所述旋转混合任务级联网络的掩膜分支，进行网络训练，得到预测定位、预测标签、预测掩膜、预测分割结果。
[0021]根据所述机头正向、所述预测定位、所述预测标签、所述预测掩膜以及所述预测分割结果，利用所述总损失函数对旋转混合任务级联网络进行反向训练，得到飞机目标识别模型。
[0022]在其中一个实施例中，还包括：根据所述第一预测主轴将所述图像切片二等分，得到第一部分和第二部分。
[0023]根据所述第二预测主轴将所述图像切片二等分，得到第三部分和第四部分。
[0024]根据第一部分的精细掩膜面积和第二部分的精细掩膜面积，得到第一精细掩膜面积差。
[0025]根据第三部分的精细掩膜面积和第四部分的精细掩膜面积，得到第二精细掩膜面积差。
[0026]当第一精细掩膜面积差大于第二精细掩膜面积差时，第一预测主轴为主轴；当第一精细掩膜面积差小于第二精细掩膜面积差时，则第二预测主轴为主轴。
[0027]在其中一个实施例中，还包括：
[0028]将所述机头正向与机头正向真值的差异值，按照预设的数值进行等分，得到差异值细分。
[0029]根据所述差异值细分，利用平滑L1损失函数的方式，得到方向损失函数，所述方向损失函数为：
[0030][0031][0032]其中：为所述机头正方向；θ为所述机头正向真值；n为所述预设的数值；x为所述差异值细分；SmoothL1(x)为所述平滑L1损失函数。
[0033]在其中一个实施例中，还包括：获取旋转混合任务级联网络的阶数。
[0034]设置预测框损失函数的权重、掩膜损失函数的权重、分割损失函数的权重以及方向损失函数的权重。
[0035]根据所述预测框损失函数的权重、所述掩膜损失函数的权重、所述分割损失函数的权重、所述方向损失函数的权重、所述旋转混合任务级联网络的阶数、预测框损失函数、
掩膜损失函数、分割损失函数以及所述方向损失函数，加权得到所述网络训练模型的总损失函数。
[0036]在其中一个实施例中，还包括：获取训练集飞机图像中飞机目标区域的切片图像。
[0037]将所述切片图像进行灰度化处理，得到灰度图像。
[0038]根据灰度图像和预定阈值分割方式，得到阈值分割图。
[0039]查询所述阈值分割图中4连通区域，并对所述4连通区域进行标记，得到区域面积。
[0040]根据所述区域面积和预定阈值，滤除小与所述预定阈值的非目标区域和孔洞，得到连通域处理图。
[0041]根据所述连通域处理图，利用3
×
3卷积核进行中值滤波，得到中值滤波图。
[0042]根据所述中值滤波图，以飞机目标边缘为界剪裁图像，得到飞机目标的精细掩膜，并提取轮廓分割点集。
[0043]在其中一个实施例中，还包括：获取斜框标注的训练集飞机图像。
[0044]在所述斜框标注的训练集飞机图像中，根据飞机目标标注好的类别和尺寸信息，将与所述飞机目标对应的所述精细掩膜自动进行旋转、放缩、贴合所述飞机目标，得到所述训练集飞机图像的语义分割图。
[0045]一种飞机目标识别装置，所述装置包括：
[0046]训练样本获取模块：用于获取训练集中飞机图像的目标斜框标注、精细掩膜和图像语义分割图。
[0047]旋转混合任务级联网络确定模块：用于获取预设混合任务级联网络，在所述预设混合任务级联网络的分割分支引入斜框回归器，得到旋转混合任务级联网络；所述斜框回归器用于输出飞机的机头正向和斜框预测信息。
[0048]方向损失函数设计模块：用于根据所述机头正向，构建方向损失函数。
[0049]总损失函数确定模块：用于根据旋转混合本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种飞机目标识别方法，其特征在于，所述方法包括：获取训练集中飞机图像的目标斜框标注、精细掩膜和图像语义分割图；获取预设混合任务级联网络，在所述预设混合任务级联网络的分割分支引入斜框回归器，得到旋转混合任务级联网络；所述斜框回归器用于输出飞机的机头正向和斜框预测信息；根据所述机头正向，构建方向损失函数；根据旋转混合任务级联网络中的预测框损失函数、掩膜损失函数、分割损失函数和所述方向损失函数，确定所述旋转混合任务级联网络的总损失函数；根据所述目标斜框标注、所述精细掩膜和所述图像语义分割图以及所述总损失函数，对所述旋转混合任务级联网络进行反向训练，得到飞机目标识别模型；获取待测飞机图像的待测目标斜框标注、待测精细掩膜和待测图像语义分割图，将所述待测目标斜框标注、所述待测精细掩膜和所述待测图像语义分割图输入所述飞机目标识别模型，得到飞机类别、所述机头正向以及所述斜框预测信息。2.根据权利要求1所述的方法，其特征在于，根据所述目标斜框标注、所述精细掩膜和所述图像语义分割图以及所述总损失函数，对所述旋转混合任务级联网络进行反向训练，得到飞机目标识别模型，包括：将所述训练集中飞机图像的目标斜框标注、所述精细掩膜和所述图像语义分割图作为旋转混合任务级联网络的训练样本，将所述训练样本输入到所述旋转混合任务级联网络中的骨干网络；将所述骨干网络的输出数据输入到分割网络进行分割处理，得到分割结果；根据所述分割结果，利用最小矩形框拟合，并提取切片，得到目标斜框预测和图像切片；设定呈十字交叉排布的第一预测主轴和第二预测主轴，所述预测第一预测主轴和所述第二预测主轴分别与所述目标斜框预测的一条边平行；根据所述第一预测主轴和第二预测主轴分别将所述图像切片二等分，得到四部分，根据所述四部分的精细掩膜面积的差，得到真实主轴；沿所述主轴方向上每个像素点统计主轴两侧目标轮廓线上对应的最外侧两个像素点与主轴之间的平均距离，得到目标凸轮廓剖面图；沿所述主轴方向按照预定百分比保留所述目标凸轮廓剖面图前面部分、后面部分，统计对应的值的和，得到所述机头正向；将所述主轴和所述机头正向输入到所述旋转混合任务级联网络的掩膜分支，进行网络训练，得到预测定位、预测标签、预测掩膜、预测分割结果；根据所述机头正向、所述预测定位、所述预测标签、所述预测掩膜以及所述预测分割结果，利用所述总损失函数对旋转混合任务级联网络进行反向训练，得到飞机目标识别模型。3.根据权利要求2所述的方法，其特征在于，根据所述第一预测主轴和第二预测主轴分别将所述图像切片二等分，得到四部分，根据所述四部分的精细掩膜面积的差，得到真实主轴，包括：根据所述第一预测主轴将所述图像切片二等分，得到第一部分和第二部分；根据所述第二预测主轴将所述图像切片二等分，得到第三部分和第四部分；
根据第一部分的精细掩膜面积和第二部分的精细掩膜面积，得到第一精细掩膜面积差；根据第三部分的精细掩膜面积和第四部分的精细掩膜面积，得到第二精细掩膜面积差；当第一精细掩膜面积差大于第二精细掩膜面积差时，第一预测主轴为主轴；当第一精细掩膜面积差小于第二精细掩膜面积差时，则第二预测主轴为主轴。4.根据权利要求1所述的方法，其特征在于，根据所述机头正向，构建方向损失函数，包括：将所述机头正向与机头正向真值的差异值，按照预设的数值进行等分，得到差异值细分；根据所述差异值细分，利用平滑L1损失函数...

【专利技术属性】
技术研发人员：邹焕新，曹旭，李美霖，马倩，李润林，成飞，贺诗甜，魏娟，孙丽，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：