军事玩具模型的智能化加工方法及其系统技术方案

本申请涉及智能加工技术领域，其具体地公开了一种军事玩具模型的智能化加工方法及其系统，其首先获取由摄像头采集的待检测军事玩具模型的检测图像和真实军工设备的参考图像；然后，将所述检测图像和所述参考图像映射到高维空间以得到所述检测特征图和所述参考特征图；接着，计算在高维空间中关于所述待检测军事玩具模型和所述真实军工设备的伪装性特征的差异性关联特征分布信息，并以此进行分类以得到用于表示待检测军事玩具模型的伪装效果是否满足预定要求的分类结果；通过这样的方式，能够对于军事玩具模型的伪装效果进行精准检测，以确保其能满足应用要求。以确保其能满足应用要求。以确保其能满足应用要求。

【技术实现步骤摘要】
军事玩具模型的智能化加工方法及其系统


[0001]本申请涉及智能加工
，且更为具体地，涉及一种军事玩具模型的智能化加工方法及其系统。

技术介绍

[0002]在现代军事领域不论是小型野战、突击战、奇袭战各个指挥中心伪装技术位于首位。对于伪装策略的使用可谓是信手拈来，侦察与监视技术的进步大大促进了与之相对的伪装技术的进步。
[0003]所谓伪装，就是利用许多东西对自己进行伪装，比如说电磁学、光学、热学、声学等技术手段，改变目标原有的特征信息，隐真示假，降低敌人的侦察效果，使敌方对己方军队的配置、企图、行动等产生错觉，造成其指挥失误，以保存自己，大限度地打击敌人。按运用范围，可分为战略伪装、战役伪装和战术伪装；根据所对付的侦察器材的不同，又可分为雷达波伪装、可见光及红外波伪装、防声测伪装等。
[0004]在进行伪装战略的部署过程中，需要准确地对于战场情况进行分析，这就需要实时准确地模拟战场战况。因此，军事玩具模型在国内军事伪装领域得到应用。在应用时，需要对军事玩具模型的伪装性进行测试，以确保其能满足应用要求。但是，现有的军事伪装领域也只是将真实装备进行遮盖隐形来进行伪装模拟，大大降低了对于战场战况的模拟精度，同时也降低了对于战况分析的准确性。
[0005]因此，期望一种优化的军事玩具模型的智能化加工方案。

技术实现思路

[0006]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种军事玩具模型的智能化加工方法及其系统，其首先获取由摄像头采集的待检测军事玩具模型的检测图像和真实军工设备的参考图像，然后对所述检测图像和所述参考图像进行特征提取以得到所述检测特征图和所述参考特征图；接着，计算出两者在高维空间中关于所述待检测军事玩具模型和所述真实军工设备的伪装性特征的差异性关联特征分布信息，并以此进行分类以得到用于表示待检测军事玩具模型的伪装效果是否满足预定要求的分类结果；通过这样的方式，能够对于军事玩具模型的伪装效果进行精准检测，以确保其能满足应用要求。
[0007]根据本申请的一个方面，提供了一种军事玩具模型的智能化加工方法，其包括：获取由摄像头采集的待检测军事玩具模型的检测图像和真实军工设备的参考图像；将所述检测图像通过基于自动编解码器的图像畸变矫正器以得到校正后检测图像；将所述校正后检测图像和所述参考图像通过包含第一图像编码器和第二图像编码器的孪生检测模型以得到检测特征图和参考特征图，所述第一图像编码器和所述第二图像编码器具有相同的网络结构；计算所述检测特征图和所述参考特征图之间的差分特征图；以及，将所述差分特征图通过分类器以得到分类结果，所述分类结果用于表示待检测军事玩具模型的伪装效果是否满足预定要求。
[0008]在上述军事玩具模型的智能化加工方法中，所述将所述检测图像通过基于自动编解码器的图像畸变矫正器以得到校正后检测图像，包括：将所述检测图像输入所述图像畸变矫正器的编码器，其中，所述编码器使用卷积层对所述检测图像进行显式空间编码以得到检测特征图；以及，将所述检测特征图输入所述信号图像畸变矫正器的解码器，其中，所述解码器使用反卷积层对所述检测特征图进行反卷积处理以得到所述校正后检测图像。
[0009]在上述军事玩具模型的智能化加工方法中，所述第一图像编码器和所述第二图像编码器为金字塔网络模型。
[0010]在上述军事玩具模型的智能化加工方法中，所述计算所述检测特征图和所述参考特征图之间的差分特征图，包括：计算所述检测特征图和所述参考特征图之间的按位置差分以得到初始差分特征图；以及，对所述初始差分特征图进行特征图粒度的差分特征优化以得到所述差分特征图。
[0011]在上述军事玩具模型的智能化加工方法中，所述对所述初始差分特征图进行特征图粒度的差分特征优化以得到所述差分特征图，包括：将所述检测特征图和所述参考特征图进行特征图展开以得到检测特征向量和参考特征向量；计算所述检测特征向量和所述参考特征向量之间的差分特征向量；计算所述检测特征向量和所述参考特征向量之间的图核游走节点分布融合特征矩阵；将所述差分特征向量与所述图核游走节点分布融合特征矩阵进行矩阵相乘以得到权重特征向量；将所述权重特征向量重构为权重特征图；以及，计算所述权重特征图与所述初始差分特征图之间的按位置点乘以得到所述差分特征图。
[0012]在上述军事玩具模型的智能化加工方法中，所述将所述检测特征图和所述参考特征图进行特征图展开以得到检测特征向量和参考特征向量，包括：将所述检测特征图和所述参考特征图沿着列向量进行展开以得到所述检测特征向量和所述参考特征向量。
[0013]在上述军事玩具模型的智能化加工方法中，所述计算所述检测特征向量和所述参考特征向量之间的差分特征向量，包括：以如下公式计算所述检测特征向量和所述参考特征向量之间的差分特征向量；
[0014]其中，所述公式为：
[0015][0016]其中，V1表示所述检测特征向量，表示按位置作差，V2表示所述参考特征向量，且V表示所述差分特征向量。
[0017]在上述军事玩具模型的智能化加工方法中，所述计算所述检测特征向量和所述参考特征向量之间的图核游走节点分布融合特征矩阵，包括：
[0018]以如下公式计算所述检测特征向量和所述参考特征向量之间的所述图核游走节点分布融合特征矩阵；
[0019]其中，所述公式为：
[0020][0021]其中V1表示所述检测特征向量，V2表示所述参考特征向量，D(V1，V2)为所述检测特征向量和所述参考特征向量之间的距离矩阵，且V1和V2均为列向量，exp(
·
)表示矩阵的指数运算，所述矩阵的指数运算表示计算以矩阵中各个位置的特征值为幂的自然指数函数值，表示向量乘法，M
c
表示所述图核游走节点分布融合特征矩阵。
[0022]在上述军事玩具模型的智能化加工方法中，所述将所述差分特征图通过分类器以得到分类结果，所述分类结果用于表示待检测军事玩具模型的伪装效果是否满足预定要求，包括：将所述差分特征图按行展开为分类特征向量；使用所述分类器的全连接层对所述分类特征向量进行全连接编码以得到全连接编码特征向量；将所述全连接编码特征向量通过所述分类器的Softmax分类函数以得到归属于待检测军事玩具模型的伪装效果满足预定要求的第一概率以及归属于待检测军事玩具模型的伪装效果不满足预定要求的第二概率；以及，基于所述第一概率和所述第二概率之间的比较，确定所述分类结果。
[0023]根据本申请的另一方面，提供了一种军事玩具模型的智能化加工系统，其包括：图像获取模块，用于获取由摄像头采集的待检测军事玩具模型的检测图像和真实军工设备的参考图像；自动解编码模块，用于将所述检测图像通过基于自动编解码器的图像畸变矫正器以得到校正后检测图像；孪生检测模块，用于将所述校正后检测图像和所述参考图像通过包含第一图像编码器和第二图像编码器的孪生检测模型以得到检测特征图和参考特征图，所述第一图像编码器和所述第二图像编码器具有相同的网络结构；差分模本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种军事玩具模型的智能化加工方法，其特征在于，包括：获取由摄像头采集的待检测军事玩具模型的检测图像和真实军工设备的参考图像；将所述检测图像通过基于自动编解码器的图像畸变矫正器以得到校正后检测图像；将所述校正后检测图像和所述参考图像通过包含第一图像编码器和第二图像编码器的孪生检测模型以得到检测特征图和参考特征图，所述第一图像编码器和所述第二图像编码器具有相同的网络结构；计算所述检测特征图和所述参考特征图之间的差分特征图；以及将所述差分特征图通过分类器以得到分类结果，所述分类结果用于表示待检测军事玩具模型的伪装效果是否满足预定要求。2.根据权利要求1所述的军事玩具模型的智能化加工方法，其特征在于，所述将所述检测图像通过基于自动编解码器的图像畸变矫正器以得到校正后检测图像，包括：将所述检测图像输入所述图像畸变矫正器的编码器，其中，所述编码器使用卷积层对所述检测图像进行显式空间编码以得到检测特征图；以及将所述检测特征图输入所述信号图像畸变矫正器的解码器，其中，所述解码器使用反卷积层对所述检测特征图进行反卷积处理以得到所述校正后检测图像。3.根据权利要求2所述的军事玩具模型的智能化加工方法，其特征在于，所述第一图像编码器和所述第二图像编码器为金字塔网络模型。4.根据权利要求3所述的军事玩具模型的智能化加工方法，其特征在于，所述计算所述检测特征图和所述参考特征图之间的差分特征图，包括：计算所述检测特征图和所述参考特征图之间的按位置差分以得到初始差分特征图；以及对所述初始差分特征图进行特征图粒度的差分特征优化以得到所述差分特征图。5.根据权利要求4所述的军事玩具模型的智能化加工方法，其特征在于，所述对所述初始差分特征图进行特征图粒度的差分特征优化以得到所述差分特征图，包括：将所述检测特征图和所述参考特征图进行特征图展开以得到检测特征向量和参考特征向量；计算所述检测特征向量和所述参考特征向量之间的差分特征向量；计算所述检测特征向量和所述参考特征向量之间的图核游走节点分布融合特征矩阵；将所述差分特征向量与所述图核游走节点分布融合特征矩阵进行矩阵相乘以得到权重特征向量；将所述权重特征向量重构为权重特征图；以及计算所述权重特征图与所述初始差分特征图之间的按位置点乘以得到所述差分特征图。6.根据权利要求5所述的军事玩具模型的智能化加工方法，其特征在于，所述将所述检测特征图和所述参考特征图进行特征图展开以得到检测特征向量和参考特征向量，包括：将所述检测特征图和所述参考特征图沿着列向量进行展开以得到所述检测特征向量和所述参考特征向量。...

【专利技术属性】
技术研发人员：黄健，刘兆燕，谢寒，
申请(专利权)人：吉安如一模型电子商务有限公司，
类型：发明
国别省市：