一种机动敏捷目标的识别检测方法及系统技术方案

本发明专利技术提出了一种机动敏捷目标的识别检测方法及系统，涉及目标识别技术领域。其主干网络采用HRNetv2，将多尺度特征融合拼接后的特征作为主干网络的输出，提出深度可分离卷积构建时空背景估计模型，通过提取历史帧中的运动信息和背景特征，输出历史帧的估计背景；提出动态前景分割模块，用于将当前帧与所述估计背景的提取特征作为输入，动态的对输入特征进行对比融合，将运动信息和背景特征进行自适应的同化融合；使用坐标注意力模块对特征进行处理后，由转置卷积组成的前景预测网络完成前景与背景的分割，完成目标的识别与检测任务，改善了算法对前景与背景特征的识别能力，从而提升算法的识别检测性能，提升了模型的泛化性和鲁棒性。鲁棒性。鲁棒性。

【技术实现步骤摘要】
一种机动敏捷目标的识别检测方法及系统


[0001]本专利技术涉及目标识别
，具体而言，涉及一种机动敏捷目标的识别检测方法及系统。

技术介绍

[0002]随着科技的进步与社会的发展，许多需要大量人力完成的工作现在可以交给计算机完成，计算机视觉就是近期的研究热点，计算机视觉的目标是利用计算机去代替人的视觉能力来处理问题。尽管运动目标检测问题在近年来已经取得了不错的进展，但在实际的复杂场景下仍会受到不同程度的影响，如光照变化、动态背景、不良气候、目标姿态变化和间歇性运动等，无法有效地应对各种复杂场景下的运动目标检测问题。
[0003]近年来，人们提出了很多运动目标检测算法以及相关的改进算法，随着深度学习技术在视频图像识别与检测领域的成功，越来越多的学者开始研究利用深度学习进行运动目标检测，并且在检测精度上取得了很大的进步。一些算法使用了网络模型学习前景和背景特征，从而识别分割出运动的前景目标，如基于补丁的分析训练方式通过预先确定的背景图像与当前帧串联作为网络输入，网络学习对比当前帧与背景像素的差异，从而分割前景与背景。但这种方式依赖于事先获取的背景图像，同时对于间歇运动、光照变化等复杂场景下的检测问题无法很好的解决，实用性较差。另外有些算法使用3D卷积与长短记忆网络的方法进行运动目标的识别与检测，如使用三维卷积来同时捕获时间和空间维度的特征信息，但由于网络复杂度较高，实用性相对较弱。也有些方法对局部区域提取特征来捕获背景的统计信息，如从区域中提取局部的纹理特征用于构建背景统计信息。但这些方法构成的背景在精度上略有不足，使得算法的识别检测效果仍有改进空间。

技术实现思路

[0004]本专利技术的目的在于提供一种机动敏捷目标的识别检测方法，其能够充分提取历史帧中的运动信息和背景特征，使网络能够动态的估计当前帧的背景，增加了网络对时空信息的提取能力；并且结合当前帧的深层语义特征，改善了算法对前景与背景特征的识别能力，从而提升算法的识别检测性能，提升了模型的泛化性和鲁棒性。
[0005]本专利技术的另一目的在于提供一种机动敏捷目标的识别检测系统，其能够充分提取历史帧中的运动信息和背景特征，使网络能够动态的估计当前帧的背景，增加了网络对时空信息的提取能力；并且结合当前帧的深层语义特征，改善了算法对前景与背景特征的识别能力，从而提升算法的识别检测性能，提升了模型的泛化性和鲁棒性。
[0006]本专利技术的实施例是这样实现的：
[0007]第一方面，本申请实施例提供一种机动敏捷目标的识别检测方法，其包括如下步骤，主干网络采用HRNetv2，将多尺度特征融合拼接后的特征作为主干网络的输出，提出一种深度可分离卷积构建时空背景估计模型，通过提取历史帧中的运动信息和背景特征，输出历史帧的估计背景；提出一种动态前景分割模块，用于将当前帧与所述估计背景的提取
特征作为输入，动态的对输入特征进行对比融合，将运动信息和背景特征进行自适应的同化融合；使用坐标注意力模块对特征进行处理后，由转置卷积组成的前景预测网络完成前景与背景的分割，完成目标的识别与检测任务。
[0008]在本专利技术的一些实施例中，上述一种机动敏捷目标的识别检测方法，包括如下步骤，使用历史帧的单通道灰度图像得到所述估计背景。
[0009]在本专利技术的一些实施例中，上述一种机动敏捷目标的识别检测方法，包括如下步骤，使用间隔k选取历史帧通过所述时空背景估计模型进行背景估计。
[0010]在本专利技术的一些实施例中，上述一种机动敏捷目标的识别检测方法，包括如下步骤，调整所述时空背景估计模型的训练参数得到最优模型。
[0011]在本专利技术的一些实施例中，上述训练参数包括尺寸、动量和学习率。
[0012]在本专利技术的一些实施例中，上述时空背景估计模块通过时间中值滤波算法进行背景估计。
[0013]第二方面，本申请实施例提供一种机动敏捷目标的识别检测系统，其基于第一方面所述的一种机动敏捷目标的识别检测方法实现。
[0014]相对于现有技术，本专利技术的实施例至少具有如下优点或有益效果：
[0015]第一方面，本申请实施例提供一种机动敏捷目标的识别检测方法，其包括如下步骤，主干网络采用HRNetv2，将多尺度特征融合拼接后的特征作为主干网络的输出，提出一种深度可分离卷积构建时空背景估计模型，通过提取历史帧中的运动信息和背景特征，输出历史帧的估计背景；提出一种动态前景分割模块，用于将当前帧与所述估计背景的提取特征作为输入，动态的对输入特征进行对比融合，将运动信息和背景特征进行自适应的同化融合；使用坐标注意力模块对特征进行处理后，由转置卷积组成的前景预测网络完成前景与背景的分割，完成目标的识别与检测任务。
[0016]第二方面，本申请实施例提供一种机动敏捷目标的识别检测系统，其基于第一方面所述的一种机动敏捷目标的识别检测方法实现。
[0017]针对第一方面～第二方面：本申请提供了一种机动敏捷目标的识别检测方法，其能够充分提取历史帧中的运动信息和背景特征，使网络能够动态的估计当前帧的背景，增加了网络对时空信息的提取能力；并且结合当前帧的深层语义特征，改善了算法对前景与背景特征的识别能力，从而提升算法的识别检测性能，提升了模型的泛化性和鲁棒性。可以有效针对多种复杂场景进行识别与检测，提升复杂场景的识别检测精度。比如，能够对于存在光照变化、动态背景、不良气候、目标姿态变化和间歇性运动等挑战性场景进行识别检测。该方法构建的神经网络模型大小可以根据相应数据集大小而定，对机器硬件要求不高，降低了运算难度，能够广泛应用于自动驾驶和机器人智能等领域中使用。
附图说明
[0018]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
[0019]图1为本专利技术实施例1机动敏捷目标的识别检测方法的原理图；
[0020]图2为本专利技术实施例1机动敏捷目标的识别检测方法的流程图；
[0021]图3为本专利技术实施例2电子设备的原理图。
具体实施方式
[0022]为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。下面结合附图，对本申请的一些实施方式作详细说明。在不冲突的情况下，下述的各个实施例及实施例中的各个特征可以相互组合。
[0023]实施例1
...

【技术保护点】

【技术特征摘要】
1.一种机动敏捷目标的识别检测方法，其特征在于，包括如下步骤，主干网络采用HRNetv2，将多尺度特征融合拼接后的特征作为主干网络的输出，提出一种深度可分离卷积构建时空背景估计模型，通过提取历史帧中的运动信息和背景特征，输出历史帧的估计背景；提出一种动态前景分割模块，用于将当前帧与所述估计背景的提取特征作为输入，动态的对输入特征进行对比融合，将运动信息和背景特征进行自适应的同化融合；使用坐标注意力模块对特征进行处理后，由转置卷积组成的前景预测网络完成前景与背景的分割，完成目标的识别与检测任务。2.如权利要求1所述的一种机动敏捷目标的识别检测方法，其特征在于，包括如下步骤，使用历史帧的单通道灰度图像得到所述估计背景。3.如权利...

【专利技术属性】
技术研发人员：章双全，
申请(专利权)人：辰极智航北京科技有限公司，
类型：发明
国别省市：