【技术实现步骤摘要】
一种低分辨率目标检测方法
本专利技术涉及一种低分辨率目标检测方法，具体为变电站、输电线路场景中的低分辨率目标物体检测方法，属于深度学习和人工智能领域。
技术介绍
变电站内的人员、动物、相关设备工具等物体的移动，输电线路上的树木生长、线路周边的车辆和风筝等物体移动都会对电网安全造成危害。变电站、输电线路的异常监控、入侵监测、预防报警技术对电网安全稳定运行极为重要，也是智能电网智能运维的重要建设内容之一，而实现智能预警的关键之处便是对变电站内、输电线路上的图像进行实时、准确的目标检测。变电站或输电线路的实际场景非常复杂，各种目标彼此交织、遮盖，无法保证感兴趣目标总是能够在图像中完整的呈现出来，同时部分感兴趣目标例如贴地动物等目标自身物理尺寸较小，另外由于摄像头往往放置在视野较为宽阔的地方，部分目标距离摄像头位置较远，这些原因均可能导致检测图像中的感兴趣目标分辨率较低。现有目标检测算法在处理高、中分辨率目标时具有很好的效果，但均无法对低分辨率目标进行检测，使得变电站或输电线路出现误检、漏检等情况，尤其是在无人值守的情况下，...
【技术保护点】
1.一种低分辨率目标检测方法，其特征在于：包括，/n获取待检测的场景图像；/n将待检测的场景图像输入预先训练的低分辨率目标检测模型，识别出低分辨率目标类别；其中，低分辨率目标检测模型在识别过程中为低分辨率目标补充特征，使其抽象特征分布与非低分辨率目标的特征分布一致。/n
【技术特征摘要】
1.一种低分辨率目标检测方法，其特征在于：包括，
获取待检测的场景图像；
将待检测的场景图像输入预先训练的低分辨率目标检测模型，识别出低分辨率目标类别；其中，低分辨率目标检测模型在识别过程中为低分辨率目标补充特征，使其抽象特征分布与非低分辨率目标的特征分布一致。
2.根据权利要求1所述的一种低分辨率目标检测方法，其特征在于：训练低分辨率目标检测模型的过程为，
获取不同条件下的场景图像；
对场景图像中感兴趣的低分辨率目标，进行目标框和目标类别标注；
用标注后的场景图像训练低分辨率目标检测模型。
3.根据权利要求1或2所述的一种低分辨率目标检测方法，其特征在于：低分辨率目标检测模型包括主干特征提取网络、区域建议网络、检测器、生成器和判别器；
其中，
主干特征提取网络：对场景图像进行若干次卷积和恒等处理，获得特征图；
区域建议网络：预测抽象特征图中是否存在感兴趣的低分辨率目标，对感兴趣的低分辨率目标进行目标框标注；
生成器：将目标框区域的特征图和第一次卷积处理获得的特征图按像素叠加，进行低分辨率目标特征补充，获得补充特征图；
检测器：基于补充特征图，识别出低分辨率目标类别；
判别器：ROI池化后的目标框区域的特征图或补充特征图作为输入，输出相应的标量值。
4.根据权利要求3所述的一种低分辨率目标检测方法，其特征在于：主干特征提取网络直接使用预先训练好的ResNet网络，训练低分辨率目标检测模型为迭代训练区域建议网络、检测器、生成器和判别器。
5.根据权利要求4所述的一种低分辨率目标检测方法，其特征在于...
【专利技术属性】
技术研发人员：姚楠，单光瑞，刘子全，王真，秦剑华，朱雪琼，路永玲，潘建亚，贾萌萌，尹康永，黄浩声，王静君，梁伟，张昱，朱睿，
申请(专利权)人：国网江苏省电力有限公司电力科学研究院，国网江苏省电力有限公司，江苏省电力试验研究院有限公司，
类型：发明
国别省市：江苏;32
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。