一种提升红外图像目标识别精度的方法技术

本发明专利技术公开了一种提升红外图像目标识别精度的方法，所述方法包括以下步骤：获取红外原始图像并进行预处理；对预处理的图像进行目标检测获取第一目标及疑似目标预测框；以疑似目标预测框为中心截取一块区域进行放大处理；对经放大处理后的区域进行目标检测获得第二目标；将第一目标和第二目标作为结果输出；降低了模型复杂度，提升了运行效率，同时提升了红外图像目标识别的精度。红外图像目标识别的精度。红外图像目标识别的精度。

【技术实现步骤摘要】
一种提升红外图像目标识别精度的方法


[0001]本专利技术涉及红外图像目标检测领域，尤其涉及一种提升红外图像目标识别精度的方法。

技术介绍

[0002]1、目前，红外图像具有分辨率低，图像纹理特征少的特点，导致基于红外图像的目标识别精度差，特别针对小目标，识别率极低，难以满足实际应用需求；
[0003]2、通过增加算法或模型复杂度在一定程度上可以提升目标识别精度，但对处理平台的算力要求高，功耗大，成本高，难以部署到轻量型的嵌入式设备中。

技术实现思路

[0004]鉴于目前红外图像目标检测存在的针对小目标识别率低、提高识别率的技术难以部署到嵌入式设备中的问题，本专利技术提供一种提升红外图像目标识别精度的方法，降低了模型复杂度，提升了运行效率，同时提升了红外图像目标识别的精度。
[0005]为达到上述目的，本专利技术的实施例采用如下技术方案：
[0006]一种提升红外图像目标识别精度的方法，所述方法包括以下步骤：
[0007]获取红外原始图像并进行预处理；
[0008]对预处理的图像进行目标检测获取第一目标及疑似目标预测框；
[0009]以疑似目标预测框为中心截取一块区域进行放大处理；
[0010]对经放大处理后的区域进行目标检测获得第二目标；
[0011]将第一目标和第二目标作为结果输出。
[0012]依照本专利技术的一个方面，所述对预处理的图像进行目标检测获取第一目标及疑似目标位置的预测框包括：对预处理的红外图像进行全图目标检测，获取所有目标和所有包含疑似目标位置的预测框，预设第一阈值，将准确度高于第一阈值的目标和预测框作为第一目标，将准确度低于第一阈值的预测框作为疑似目标预测框。
[0013]依照本专利技术的一个方面，所述对预处理的图像进行目标检测，基于YOLOv5目标检测算法实现，还包括对YOLOv5目标检测算法的改进优化。
[0014]依照本专利技术的一个方面，所述对YOLOv5目标检测算法的改进优化包括：
[0015]增加yolov5的输出特征层；
[0016]增加每个输出层的锚框；
[0017]对主干网络各模块的重复次数以及通道数进行重新设定；
[0018]激活函数改为GELU。
[0019]依照本专利技术的一个方面，所述改进优化包括对马赛克数据增强算法进行改进，在马赛克算法截断了目标时，将其用背景色填充，并将其标签丢弃。
[0020]依照本专利技术的一个方面，所述对经放大处理后的区域进行目标检测获得第二目标包括：将对经放大处理后的区域进行目标检测获得的准确度大于第二阈值的目标作为第二
目标，准确度小于第二阈值的的目标作为误检测排除。
[0021]依照本专利技术的一个方面，所述对经放大处理后的区域进行目标检测获得第二目标是基于RankSRGAN目标检测算法实现，还包括对RankSRGAN目标检测算法的改进优化。
[0022]依照本专利技术的一个方面，所述对RankSRGAN目标检测算法的改进优化包括：
[0023]上采样使用反卷积实现；
[0024]主干使用多层残差网络；
[0025]激活函数改为GELU；
[0026]采用余弦退火学习率下降方式。
[0027]依照本专利技术的一个方面，所述多层残差网络中，残差块重复次数和特征层通道数根据实际运行平台上运行时间确定。
[0028]依照本专利技术的一个方面，所述上采样的倍数为2。
[0029]本专利技术实施的优点：降低了模型复杂度，提升了运行效率，同时提升了红外图像目标识别的精度；增加了对小目标的检测准确度，增加了对不同形状尺寸目标的拟合能力；对主干网络各模块的重复次数以及通道数进行重新设定，从而使模型不至于过大，可在嵌入式设备上实时运行；提升了红外灰度图像远距离小目标识别精度，且降低了模型复杂度，便于在嵌入式的边缘计算盒子上部署实现，易于红外成像推广应用。
附图说明
[0030]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0031]图1为本专利技术所述的一种提升红外图像目标识别精度的方法示意图；
[0032]图2为本专利技术所述的粗识别算法模型结构示意图；
[0033]图3为本专利技术所述的精识别算法模型结构示意图；
[0034]图4为本专利技术所述的近距离行人目标识别示意图；
[0035]图5为本专利技术所述的远距离行人目标识别示意图。
具体实施方式
[0036]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0037]如图1、图2、图3、图4和图5所示，一种提升红外图像目标识别精度的方法，所述方法包括以下步骤：
[0038]步骤S1：获取红外原始图像并进行预处理；
[0039]首先，用热红外成像设备接收前方区域内不同物体的热辐射，实现对物体的检测成像，获取原始图像；
[0040]然后，对原始图像进行预处理，在本实施例中，所述预处理方法可以采用matlab进
行预处理，具体通过matlab中imageacquisition对图像做预处理：在其它实施例中，还可以采用其它预处理方法。
[0041]步骤S2：对预处理的图像进行目标检测获取第一目标及疑似目标预测框；
[0042]所述步骤S2还可称为粗识别步骤，使用粗识别算法；首先对红外图像进行全图目标检测，获取所有目标以及疑似目标位置的预测框；具体包括：对预处理的红外图像进行全图目标检测，获取所有目标和所有包含疑似目标位置的预测框，预设第一阈值TH1，将准确度高于第一阈值的目标和预测框作为第一目标，将准确度低于第一阈值的预测框作为疑似目标预测框。
[0043]在本市实施例中，所述粗识别算法基于YOLOv5目标检测算法实现，具体是基于其改进实现，改进的模型结构如图2所示，改进方式包括：
[0044]1)增加YOLOv5的输出特征层，原版YOLOv5是三个输出层，下采样步长stride分别为8/16/32，现在在stride为4的特征层上增加一个输出，目的是增加对小目标的检测准确度；
[0045]2)增加每个输出层的锚框，由默认的3个增加到4个，目的是增加对不同形状尺寸目标的拟合能力；
[0046]3)对主干网络各模块的重复次数以及通道数进行重新设定，从而使模型不至于过大，可在嵌入式设备上实时运行；
[0047]4)激活函数改为GELU；
[0048]5)对马赛克数据增强算法进行改进，原版的马赛克增强算法有可能截断目标本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种提升红外图像目标识别精度的方法，其特征在于，所述方法包括以下步骤：获取红外原始图像并进行预处理；对预处理的图像进行目标检测获取第一目标及疑似目标预测框；以疑似目标预测框为中心截取一块区域进行放大处理；对经放大处理后的区域进行目标检测获得第二目标；将第一目标和第二目标作为结果输出。2.根据权利要求1所述的提升红外图像目标识别精度的方法，其特征在于，所述对预处理的图像进行目标检测获取第一目标及疑似目标位置的预测框包括：对预处理的红外图像进行全图目标检测，获取所有目标和所有包含疑似目标位置的预测框，预设第一阈值，将准确度高于第一阈值的目标和预测框作为第一目标，将准确度低于第一阈值的预测框作为疑似目标预测框。3.根据权利要求1所述的提升红外图像目标识别精度的方法，其特征在于，所述对预处理的图像进行目标检测，基于YOLOv5目标检测算法实现，还包括对YOLOv5目标检测算法的改进优化。4.根据权利要求3所述的提升红外图像目标识别精度的方法，其特征在于，所述对YOLOv5目标检测算法的改进优化包括：增加yolov5的输出特征层；增加每个输出层的锚框；对主干网络各模块的重复次数以及通道数进行重新设定；激活函数改为GELU。5.根据权利要求4所述的提升红外图像目标识...

【专利技术属性】
技术研发人员：肖琳，王海伟，付泽强，
申请(专利权)人：数量级上海信息技术有限公司，
类型：发明
国别省市：