【技术实现步骤摘要】
本专利技术属于人工智能领域，尤其涉及一种用于无人机视觉传感装置的实时交通检测方法。
技术介绍
1、近年来，无人机逐渐成为解决交通问题的重要工具，这得益于其固有的灵活性和目标检测技术提供的感知环境的能力。目标检测技术是无人机系统的关键技术之一，可以帮助无人机实现对交通场景的全面监控或对交通事故的快速处理。那些部署了强大智能算法(如目标检测器、多目标跟踪器)的无人机通常需要独立处理一些特定的感知和计算任务。然而，在瞬息万变的交通场景中，检测任务的复杂性导致了对无人机目标检测器的更高需求。
2、当前实现面向交通目标特性的产品功能研发主要难点如下：
3、(1)无人机在高空以倾斜角度拍摄图像时，即使是同一类别的目标，由于距离不同也会有明显的尺度差异。当同一幅图像中出现尺度差异较大的目标时，往往会增加检测小目标的难度；
4、(2)在大视场的无人机数据集中，交通对象通常只占图像的很小一部分，图像中的绝大多数像素由复杂的背景信息组成，如路边植被、水面反射、人行横道等。这些因素都会给目标检测器的检测过程带来较大的干扰；
5、(3)与自动驾驶汽车或路侧单元相比，无人机具有高可操作性和低成本等诸多优势，但这些都极大地限制了其计算能力和资源。因此，在设计目标检测器时，有必要考虑如何在速度和精度之间取得更好的平衡。
技术实现思路
1、为满足交通场景中的实时检测性能，以及进一步提高无人机环境感知理论在工业设计场景中的适用性，本专利技术提供一种用于无人机视觉传感装
2、本专利技术的一种用于无人机视觉传感装置的实时交通检测方法，具体为：
3、步骤1：无人机采集航拍图像，预处理后分为训练集和测试集。
4、步骤2：通过高效的基于分割与洗牌的特征提取网络scsnet，用来提取无人机航拍图像的特征信息。
5、步骤3：利用结合了多感受野特征和注意力机制的分组局部注意力卷积glaconv，帮助大量特征信息生成更丰富的多尺度表示，并抑制背景信息的干扰。
6、步骤4：在预测阶段生成类概率图和一系列置信度得分的边界框，然后用非极大值抑制nms过滤掉置信度得分较低的边界框，其余带有类别标签的边界框为最终的检测结果。
7、进一步的，基于分割与洗牌的特征提取网络scsnet由conv卷积模块和scsblock模块组成；
8、conv卷积模块：conv卷积模块是scsnet中的基本单元，用于对输入图像的特征提取，构建输入与输出的非线性特征映射；scsnet的conv卷积模块采用卷积核大小为3×3、6×6且步长为2的卷积核来实现下采样操作；conv卷积模块主要由常规的卷积层、bn层和silu函数三部分组成。
9、scsblock模块：scsblock模块由scsconv和跨阶段连接操作组成；scsconv采用梯度路径，仅在计算块的最后阶段进行特征聚合。
10、进一步的，分组局部注意力卷积glaconv具体为：
11、假设glaconv的输入特征空间为首先对输入特征空间x进行分组数量为4的1×1分组卷积，以此建立每组的特征空间内部的相关性，接下来，将得到的特征空间y分割为4个独立的特征子空间，并分别将各个特征子空间yi送入具有不同覆盖率的lam，得到局部注意力增强后的特征子空间mi，最后，采用拼接和洗牌操作将不同组的特征打乱，并采用n×n的分组卷积操作建立不同组特征之间的交互，得到最终的输出特征空间z：
12、
13、
14、其中，代表利用lam对第i个特征子空间yi进行覆盖率为ki的局部注意力映射，ki的大小分别设置为5,7,9,11，和分别表示1×1分组卷积和n×n分组卷积，n×n的大小根据glaconv是否为下采样层而取值为1×1或3×3。
15、本专利技术的有益技术效果为：
16、1、本专利技术提出了一种轻量级的分割与洗牌骨干网络scsnet和一种分组局部注意力卷积glaconv来指导无人机实时交通目标检测任务，在实时性和准确性之间取得了很好的平衡。
17、2、本专利技术分割与洗牌网络scsnet以最低的成本换取了更多浅层特征的细粒度信息，较好的解决了无人机视觉传感器感知条件下的实时性与准确性的平衡问题。与其他先进的骨干网络不同，为了打破重骨干、轻颈部的设计范式，骨干网络中没有过度堆叠基础块，同时采用分割与洗牌操作来减少参数的数量和计算块的计算量，通过这种方式来提供更平衡的检测器设计范例。这种骨干网结构不仅实现了频繁的梯度信息交换，而且使检测器在特征提取阶段变得十分高效。
18、3、本专利技术分组局部注意力卷积glaconv通过不同覆盖率的局部滑动窗口来建立特征之间的远程依赖关系，进一步细化了图像中的小目标的特征，同时避免了检测器聚焦于繁杂的背景信息。相比于现有的主流注意力方法，glaconv的局部滑动窗口策略实现了更高效的注意力学习，同时，多覆盖窗口的架构使其更能应对尺度差异大的无人机航拍场景。
本文档来自技高网...【技术保护点】
1.一种用于无人机视觉传感装置的实时交通检测方法，其特征在于，具体为：
2.根据权利要求1所述的一种用于无人机视觉传感装置的实时交通检测方法，其特征在于，所述基于分割与洗牌的特征提取网络SCSNet由Conv卷积模块和SCSBlock模块组成；
3.根据权利要求1所述的一种用于无人机视觉传感装置的实时交通检测方法，其特征在于，所述分组局部注意力卷积GLAConv具体为：
【技术特征摘要】
1.一种用于无人机视觉传感装置的实时交通检测方法，其特征在于，具体为：
2.根据权利要求1所述的一种用于无人机视觉传感装置的实时交通检测方法，其特征在于，所述基于分割与洗牌的特征提取网络...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。