一种基于可穿戴式装备的小目标检测改善方法及系统技术方案

一种基于可穿戴式装备的小目标检测改善方法及系统，提出的可穿戴式的小目标检测装备，简便易携，可以迅速准确的检测出对象目标；改进了SSD网络结构，将空洞卷积空间金字塔模块和特征金字塔融合模块加入到SSD结构中，考虑到上下文的语义信息、位置信息，更加准确的检测目标；将视觉推理模型引入到基于SSD的小目标检测中，可以改善SSD类算法识别准确较低的问题。的问题。

【技术实现步骤摘要】
一种基于可穿戴式装备的小目标检测改善方法及系统


[0001]本专利技术属于穿戴设备领域以及图像处理领域，具体涉及一种基于可穿戴式装备的小目标检测改善方法及系统。

技术介绍

[0002]随着可穿戴电子设备的快速发展，智能眼镜、智能手环及智能头盔等智能化产品的研发设计成为了热点话题。这些产品在公共安全、金融、日常生活等领域都有着巨大的应用价值。智能头盔作为一类典型的可穿戴设备，它是随着科学技术发展的产物。早在上世纪末，可穿戴智能设备的概念就已经被许多研究者提出来了，并且设计出外观结构和相关的功能，但是由于当时的技术落后。所以其外观和功能都无法满足人们的实际需要，导致可穿戴智能设备产品得不到市场的认可，销量特别的低。近年来，可穿戴电子设备随着科学技术的发展迎来了一个全新的发展时代。在国外，谷歌公司2012年4月发布的谷歌眼镜最具有代表性，其谷歌眼镜的发布掀起了穿戴计算的新浪潮。谷歌推出Google glass将其应用市场定义的更加广泛，涉及到户外运动、3D游戏、医疗教学等领域。而小目标检测是计算机视觉中不可缺少且具有挑战性的问题，因此研究可穿戴装备对本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于可穿戴式装备的小目标检测改善方法及系统，其特征在于：所述系统基于可穿戴智能头盔，主要由嵌入式计算单元和通信终端两部分组成，嵌入式计算单元由可见光感知模块、图像预处理模块，目标检测与识别模块以及AR眼镜显示模块组成；目标检测与识别模块基于SSD框架，使用改进的SSD网络模型并添加视觉推理模块；所述系统的实现方法的流程为，输入一幅图片到预训练好的分类网络中来获得不同大小的特征映射，该分类网络采用改进的VGG16网络；抽取Conv4_3、Conv7、Conv8_2、Conv9_2、Conv10_2、Pool11层的特征图，分别在这些特征图上面的每一个点构造6个不同尺度大小的默认框，然后分别进行检测和分类，生成多个初步符合条件的默认框；将不同特征图获得的默认框结合起来，经过非极大值抑制方法NMS来抑制掉重叠或者不正确的默认框，再通过视频推理模块处理，生成最终的默认框集合，即检测结果。2.根据权利要求1所述的一种基于可穿戴式装备的小目标检测改善方法及系统，其特征在于：可见光图像感知模块为小型摄像头，负责视频图像的收集。3.根据权利要求1所述的一种基于可穿戴式装备的小目标检测改善方法及系统，其特征在于：图像预处理模块使用图像处理核心板，对视频图像进行预处理包括灰度化，降噪。4.根据权利要求1所述的一种基于可穿戴式装备的小目标检测改善方法及系统，其特征在于：改进的VGG16网络中，包括空洞卷积空间金字塔模块、特征金字塔融合模块1和特征金字塔融合模块2；空洞卷积空间金字塔模块将Conv4_3特征层经过不同扩张率的空洞卷积进行融合，构造出与人眼视点图类似的感受野；空洞卷积的扩张率分别选用1，3，5，对三个分支的特征层串联融合；首先在每个分支中采用1
×
1卷积层组成的瓶颈结构，以减少加上n
×
n卷积层后特征图的通道数；其次采用两个堆叠的3
×
3卷积层，并使用一个1
×
3和一个3
×
1的卷积层，最终生成新的特征层Conv4_3
′
。5.根据权利要求4所述的一种基于可穿戴式装备的小目标检测改善方法及系统，其特征在于：特征金字塔融合模块1对深层特征中的全局语义信息和位置信息进行特征融合，对三个特征层建立自上而下的横向链接，通过反卷积对深层特征信息进行融合构造；同时通过1
×
1卷积整合不同维度信息，减少反卷积之后的通道数；生成新的特征层的表达式为：X
module1
＝F(F(X
Pool11
)+X
Conv10_2
)+X
Conv9_2
式中，X
Pool11
、X
Conv10_2
分别为Pool11、Conv10_2的特征层；X
Conv9_2
为Conv9_2的特征层；F为通过反卷积、1
×
1卷积层、归一化层和激活层的总函数，其中反卷积层和1
×
1卷积层共享参数。6.根据权利要求4所述的一种基于可穿戴式装备的小目标检测改善方法及系统，其特征在于...

【专利技术属性】
技术研发人员：马尚，李云龙，程德强，寇旗旗，吕晨，张皓翔，
申请(专利权)人：中国矿业大学，
类型：发明
国别省市：