基于监督注意力机制和语义特征的无人机检测预警方法技术

本发明专利技术公开了一种基于监督注意力机制和语义特征的无人机检测预警方法，包括：基于监督注意力机制对红外无人机图像进行全局特征提取，得到全局注意力图；同时，对红外无人机图像进行语义特征提取，得到语义特征图；将全局注意力图和语义特征图进行融合，得到掩膜特征图；对掩膜特征图进行注意力编码，并对得到的注意力感知视觉语句进行分类，得到检测结果。该方法在提高了检测精度的同时大幅降低了误检率，能够满足空中弱小无人机目标实时检测定位需求，提升预警能力。提升预警能力。提升预警能力。

【技术实现步骤摘要】
基于监督注意力机制和语义特征的无人机检测预警方法


[0001]本专利技术属于无人机目标检测
，具体涉及一种基于监督注意力机制和语义特征的无人机检测预警方法。

技术介绍

[0002]随着科技的发展，无人机以其灵活、高效的特点，已经被广泛用于航空、农业植保、物流、电力巡视等领域，并能代替人工执行各种飞行任务。但无人机“黑飞”、“低慢小”无人机探测发现难等问题正在对航空与公共安全构成严重威胁，因此建立无人机空域自动化预警平台，对无人机进行精确检测定位具有重要意义。
[0003]早期的无人机检测预警主要是通过无线电监测手段实现的，其主要通过采集无人机链路信号，将该链路信号发送到数据处理中心进行信号预处理，得到信号的时域和频域特征，最后通过分类识别算法完成对无人机目标的定位。但无线电信号在复杂环境中受影响较大，无法满足连续、高精度的无人机预警需求。
[0004]近年来，针对复杂背景下红外弱小无人机目标检测，科研人员提出了一些基于红外图像处理的方法，例如基于滤波的方法、基于视觉显著性的方法以及基于图像数据结构的方法等。这些方法通过计算目标与背景之间的灰度差、边缘信息、局部熵等信息获得目标显著图。但上述方法计算复杂度高，无法满足实时检测需求，同时对目标背景区分不足，无法高精度识别目标。
[0005]随着机器学习算法的出现和发展，深度学习方法也被应用到了无人机目标检测技术中。现有的深度学习方法主要是基于UNet网络结构，通过融合目标多级信息保留小目标特征，但其对背景噪声抑制效果较差，检测结果虚警率较高。

技术实现思路

[0006]为了解决现有技术中存在的上述问题，本专利技术提供了一种基于监督注意力机制和语义特征的无人机检测预警方法。本专利技术要解决的技术问题通过以下技术方案实现：
[0007]第一方面，本专利技术提供了一种基于监督注意力机制和语义特征的无人机检测预警方法，包括：
[0008]基于监督注意力机制对红外无人机图像进行全局特征提取，得到全局注意力图；同时，对所述红外无人机图像进行语义特征提取，得到语义特征图；
[0009]将所述全局注意力图和所述语义特征图进行融合，得到掩膜特征图；
[0010]对所述掩膜特征图进行注意力编码，并对得到的注意力感知视觉语句进行分类，得到检测结果。
[0011]第二方面，本专利技术提供了一种基于监督注意力机制和语义特征的无人机检测预警装置，包括：
[0012]全局特征提取模块，用于基于监督注意力机制对红外无人机图像进行全局特征提取，得到全局注意力图；
[0013]语义特征提取模块，用于对所述红外无人机图像进行语义特征提取，得到语义特征图；
[0014]特征融合模块，用于将所述全局注意力图和所述语义特征图进行融合，得到掩膜特征图；
[0015]注意力编码模块，用于对所述掩膜特征图进行注意力编码，并对得到的注意力感知视觉语句进行分类，得到检测结果。
[0016]第三方面，本专利技术提供了一种基于监督注意力机制和语义特征的无人机检测预警系统，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
[0017]存储器，用于存放计算机程序；
[0018]处理器，用于执行存储器上所存放的程序时，实现上述实施例提供的方法步骤。
[0019]本专利技术的有益效果：
[0020]本专利技术提供的无人机检测预警方法从背景抑制和目标增强两个角度分别设计了基于并联关系的全局特征提取路径和语义特征提取路径，两个路径以并联式分支分别获取到全局注意力特征图和语义特征图；其中，全局特征提取路径通过全局特征提取滤除了大部分背景噪点，并在监督注意力模块的作用下得到背景较为清晰的全局注意力图；语义特征提取路径对输入图像进行语义特征提取，得到具有丰富语义信息的特征图；两个并联支路执行完毕后，将语义特征图与全局注意力图融合，得到背景抑制、目标信息增强的目标掩膜特征图；之后，利用注意力编码对掩膜特征图进行处理，进一步抑制了背景噪声，增强了目标特征，最终得到了检测结果。该方法在提高了检测精度的同时大幅降低了误检率，能够满足空中弱小无人机目标实时检测定位需求，提升预警能力。
[0021]以下将结合附图及实施例对本专利技术做进一步详细说明。
附图说明
[0022]图1是本专利技术实施例提供的基于监督注意力机制和语义特征的无人机检测预警方法的一种流程示意图；
[0023]图2是本专利技术实施例提供的基于监督注意力机制和语义特征的无人机检测预警方法另一种流程示意图；
[0024]图3是本专利技术实施例提供的全局特征提取器的结构示意图；
[0025]图4是本专利技术实施例提供的监督注意力模块的结构示意图；
[0026]图5是本专利技术实施例提供的浅层语义生成器的结构示意图；
[0027]图6是本专利技术实施例提供的注意力编码块的结构示意图；
[0028]图7是本专利技术实施例提供的基于监督注意力机制和语义特征的无人机检测预警装置的结构框图。
具体实施方式
[0029]下面结合具体实施例对本专利技术做进一步详细的描述，但本专利技术的实施方式不限于此。
[0030]实施例一
[0031]本专利技术针对复杂背景下红外弱小无人机目标检测，提出了基于监督注意力机制和语义特征的无人机检测预警方法，通过作用于红外无人机图像上的全局特征提取与语义特征提取路径，实现无人机目标语义信息和细节信息的融合，以提高无人机目标定位预警能力。
[0032]请参见图1，图1是本专利技术实施例提供的基于监督注意力机制和语义特征的无人机检测预警方法的一种流程示意图，该方法主要包括以下步骤：
[0033]步骤1：基于监督注意力机制对红外无人机图像进行全局特征提取，得到全局注意力图；同时，对红外无人机图像进行语义特征提取，得到语义特征图。
[0034]具体的，本实施例针对输入的红外无人机图像设计了两条路径，即全局特征提取路径和语义特征提取路径。请参见图2，图2是本专利技术实施例提供的一种基于监督注意力机制和语义特征的无人机检测预警方法另一种流程示意图。
[0035]在全局特征提取路径中，首先，利用全局特征提取器对红外无人机图像进行特征提取，以降低背景的复杂性，得到全局特征图。随后，全局特征图被输入到监督注意力模块中进行背景抑制与小目标增强，得到全局注意力图。
[0036]可选的，由于不同场景下红外无人机图像的复杂性，为避免微小目标特征被忽略，全局特征提取器丢弃了下采样层，采用全卷积网络进行特征提取，结构如图3所示。可以看到，全局特征提取器包括若干个残差块，单通道红外图像作为输入被馈送到全局特征提取器，输出数据f
g
是一组具有与输入I相同大小的全局特征图。
[0037]全局特征提取操作的过程可由下式表示：
[0038]f
g
＝c
g
(I；θ
g
)；
[0039]其中，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于监督注意力机制和语义特征的无人机检测预警方法，其特征在于，包括：基于监督注意力机制对红外无人机图像进行全局特征提取，得到全局注意力图；同时，对所述红外无人机图像进行语义特征提取，得到语义特征图；将所述全局注意力图和所述语义特征图进行融合，得到掩膜特征图；对所述掩膜特征图进行注意力编码，并对得到的注意力感知视觉语句进行分类，得到检测结果。2.根据权利要求1所述的基于监督注意力机制和语义特征的无人机检测预警方法，其特征在于，基于监督注意力机制对红外无人机图像进行全局特征提取，得到全局注意力图，包括：利用全局特征提取器对红外无人机图像进行特征提取，得到全局特征图；将所述全局特征图输入到监督注意力模块中进行处理，得到全局注意力图。3.根据权利要求2所述的基于监督注意力机制和语义特征的无人机检测预警方法，其特征在于，所述全局特征提取器包括若干个残差块；且所述全局特征提取器采用全卷积网络进行特征提取，特征提取过程表示为：f
g
＝c
g
(I；θ
g
)；其中，表示全局特征图，H和W分别表示红外无人机图像的尺寸，d表示最后一层的卷积核数，c
g
(
·
)表示卷积层，I表示输入的红外无人机图像，θ
g
表示残差块的数量。4.根据权利要求2所述的基于监督注意力机制和语义特征的无人机检测预警方法，其特征在于，所述监督注意力模块包括依次连接的若干残差块、一个1
×
1卷积层以及一个目标域强化层；其中，所述若干残差块用于对所述全局特征图进行特征提取；所述1
×
1卷积层用于为每个元素分配一个似然度以获得注意力似然图；所述目标域强化层用于对所述注意力似然图增强感兴趣区域，以获得全局注意力图。5.根据权利要求1所述的基于监督注意力机制和语义特征的无人机检测预警方法，其特征在于，对所述红外无人机图像进行语义特征提取，得到语义特征图，包括：利用浅层语义生成器提取所述红外无人机图像的语义特征，其中，所述浅层语义生成器包括若干层完全卷积网络，每层完全卷积网络均包括一个卷积层、一个批量归一化层以及一个ReLU激活层。6.根据权利要求5所述的基于监督注意力机制和语义特征的无人机检测预警方...

【专利技术属性】
技术研发人员：秦翰林，孙鹏，王健达，袁帅，陈嘉欣，延翔，张鸿飞，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：