一种基于密集区域感知的高效航拍图像的目标检测方法技术

本发明专利技术属于计算机视觉领域，具体涉及一种基于密集区域感知的高效航拍图像的目标检测方法，该方法包括：实时获取待检测的图像，将待检测的图像输入到训练好目标检测模型中，得到检测结果；对检测的结果进行标记；本发明专利技术通过利用基于密集区域感知的方法有效区分出中的密集区域，然后利用整张图像粗糙检测时提取出的全局上下文信息辅助密集区域的精细检测，提高了密集区域中的小目标检测的性能；在非密集区域处理过程中使用结构更简单的检测器可以极大地减少计算所需资源，提升目标检测模型的检测速度并降低检测过程中所需的显存占用，避免不必要的浪费。免不必要的浪费。免不必要的浪费。

【技术实现步骤摘要】
一种基于密集区域感知的高效航拍图像的目标检测方法


[0001]本专利技术属于计算机视觉领域，具体涉及一种基于密集区域感知的高效航拍图像的目标检测方法。

技术介绍

[0002]面向航拍图像的目标检测技术用于找出航拍图像中感兴趣的目标或感兴趣的区域，在城市安防、智慧交通、工业巡检等诸多场景下发挥着越来越重要的作用。相较于常规图像，航拍图像中小目标数量较多，需要使用高分辨率图像才能精准检测小目标。然而，直接将现有的检测模型应用于高分辨率图像将带来巨大的计算量和极高的内存需求。一种解决思路是首先将高分辨率图像切割为若干小图，然后再分别进行检测。
[0003]但是，现有技术对于密集区域或目标的选取与处理仍不够完善，裁剪导致的密集区域全局上下文信息丢失严重影响了检测性能。此外，在现有方法中，区域定位模块和目标检测模块是相互独立的，定位区域中目标的密集程度对于后续检测模块的指导作用没有得到重视。

技术实现思路

[0004]为解决以上现有技术存在的航拍图像中密集小目标难以检测以及处理航拍高分辨率图像时的计算资源浪费问题，本专利技术提出了本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于密集区域感知的高效航拍图像的目标检测方法，其特征在于，包括：实时获取待检测的图像，将待检测的图像输入到训练好目标检测模型中，得到检测结果；对检测的结果进行标记；训练目标检测模型的过程包括：S1：获取航拍图像数据集，对该数据集中的数据进行预处理，将预处理后的数据集进行划分，得到训练集和测试集；S2：将训练集中的航拍图像输入到目标检测模型的输入层中，提取航拍图像的低分辨率图像和高分辨率特征；S3：将低分辨率图像分别输入到全局粗糙检测器和卷积神经网络中，得到全局粗糙检测结果图和目标分布状况的密度图；S4：提取密度图的全局上下文信息，得到全局特征图；S5：对密度图进行积分处理，得到目标个数；并使用全局粗糙检测结果图对密度图进行调优处理，对调优后的密度图进行二值化处理，得到低分辨率目标区域遮罩图；S6：将低分辨率目标区域遮罩图映射到高分辨率特征图中，得到高分辨率目标区域图像；S7：对高分辨率目标区域图像进行裁剪，得到独立的聚焦区域图像；将聚焦区域图像、目标个数以及全局特征图输入到第二检测器中，得到区域精细检测结果图；S8：将全局粗糙检测结果图和区域精细检测结果图进行融合，得到最终的检测结果；S9：计算模型的损失函数，不断调整模型的参数，当损失函数最小时，完成模型的训练。2.根据权利要求1所述的一种基于密集区域感知的高效航拍图像的目标检测方法，其特征在于，对数据进行预处理的过程包括：删除冗余数据，将删除后的数据进行图像增强处理。3.根据权利要求1所述的一种基于密集区域感知的高效航拍图像的目标检测方法，其特征在于，采用全局粗糙检测器对低分辨率图像进行处理的过程包括：确定低分辨率图像中的目标，对确定的目标进行标记；从背景中分离出标记的目标；确定分离出的目标类别及其空间位置。4.根据权利要求1所述的一种基于密集区域感知的高效航拍图像的目标检测方法，其特征在于，将低分辨率图像输入到卷积神经网络中进行处理的过程包括：采用由残差块组成的卷积模块对低分辨率图像进行初步提取，得到具有图像语义信息的多尺度特征；采用构造层对多尺度特征进行跳跃链接融合，得到表示航拍图像中目标位置分布的密度图。5.根据权利要求1所述的一种基于密集区域感知的高效航拍图像的目标检测方法，其特征在于，提取密度图的全局上下文信息的过程包括：采用卷积神经网络对生成密度图过...

【专利技术属性】
技术研发人员：冷佳旭，莫梦竟成，高新波，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：