本发明专利技术提供了一种高速无人机视角下的小目标检测方法，涉及无人机检测技术领域，包括：获取小目标图像数据，并进行数据增强，获得小目标图像数据集；构建检测模型，在所述小目标图像数据集中获取训练数据，采用所述训练数据对所述检测模型进行训练，获得小目标图像检测模型；接收待检测的视频图像并进行解码处理，再进行预处理；将预处理后的视频数据输入所述小目标图像检测模型，获得检测数据；将所述检测数据通过非极大值抑制的方法预测出目标图像边界框的位置；将所述目标图像边界框的位置与原始待检测的视频图像进行融合、压缩后输出小目标检测结果。本发明专利技术基于深度学习算法，充分利用硬件资源，实现了空对地场景下的小目标准确检测。
【技术实现步骤摘要】
本专利技术涉及无人机检测，具体涉及一种高速无人机视角下的小目标检测方法。
技术介绍
1、近些年来，高速无人机因为其体积小，造价低，使用方便，对环境要求低等优点而被重视并且进行技术攻关。监测作为无人机最重要的任务，光电类监测传感器设备已经是无人机不可获取的一部分，然而在现实情况中，由于无人机处于高空环境，在获取地面目标后，往往由于目标过小从而难以有效地检测识别地面目标。另外在地面平台上常用的小目标检测方法由于受限于机载嵌入式平台计算资源而难以实时地对目标进行有效地检测识别。因此，需要在机载嵌入式计算平台上设计一种高速无人机视角下的小目标检测方法：包括适用于嵌入式平台的小目标检测算法和适合于嵌入式平台的部署方法。
技术实现思路
1、有鉴于此，本申请实施例提供一种高速无人机视角下的小目标检测方法，以达到增强小目标的特征表达，进而提高小目标检测性能的目的。
2、本申请实施例提供以下技术方案：一种高速无人机视角下的小目标检测方法，包括：
3、获取小目标图像数据，对所述小目标图像数据进行数据增强，获得小目标图像数据集；
4、构建检测模型，在所述小目标图像数据集中获取训练数据，采用所述训练数据对所述检测模型进行训练，获得小目标图像检测模型；
5、接收待检测的视频图像并进行解码处理，再进行预处理；
6、将预处理后的视频数据输入所述小目标图像检测模型，获得检测数据；将所述检测数据通过非极大值抑制的方法预测出目标图像边界框的位置；
>7、将所述目标图像边界框的位置与原始待检测的视频图像进行融合、压缩后输出小目标检测结果。8、根据本申请一种实施例，采用所述训练数据对所述检测模型进行训练，包括：
9、采用所述训练数据，通过reasoning-rcnn算法对所述检测模型进行训练。
10、根据本申请一种实施例，通过reasoning-rcnn算法对所述检测模型进行训练，包括以下步骤：
11、(1)使用选择性搜索算法在输入图像xi上筛选出至少2000个候选框，将候选框区域归一化到统一大小；
12、(2)使用cnn对每个所述候选框进行特征提取，生成一个4096维的特征向量fi；
13、(3)构建图像中的目标物体之间的知识图谱矩阵；
14、(4)将构建的所述知识图谱矩阵作为新的标注结果，将原始图像xi输入所述检测模型，将所述知识图谱矩阵作为训练数据集进行重新训练，对损失函数进行最小化，得到新的特征提取器参数g；通过特征提取器参数g，对每个候选框进行新的特征提取，重新生成一个4096维的特征向量
15、(5)将作为图像目标新的的特征输入下一层，通过回归器获取到最终的目标位置和种类，完成模型训练。
16、根据本申请一种实施例，步骤(3)中，构建图像中的目标物体之间的知识图谱矩阵，包括：
17、基于整个图像数据中存在的n类目标，建立一个n*n的关系矩阵i，若第i类目标和第j类目标在图像中存在，并相互之间存在特定关系，则iij＝1，否则设为iij＝0，对每一张图像数据生成一个关系矩阵。
18、根据本申请一种实施例，对所述小目标图像数据进行数据增强，包括：
19、采用rendergan对所述小目标图像数据进行数据增强，获得所述小目标图像数据集。
20、根据本申请一种实施例，接收待检测的视频图像并进行解码处理，再进行预处理，包括：
21、将待检测的视频图像进行解码处理后，再通过临近插值算法进行预处理，以获得rgb图像数据。
22、与现有技术相比，本说明书实施例采用的上述至少一个技术方案能够达到的有益效果至少包括：相比较传统的小目标识别算法，本专利技术实施例基于深度学习的目标识别算法能够更好的利用深度特征。而且相对比于地面平台充足的运行资源，空中机载平台一般都会因为嵌入式环境导致必须充分利用各种计算资源，因此，本专利技术着重说明在空中机载嵌入式平台的环境下，基于深度学习算法，充分利用硬件资源，实现空对地场景下的小目标准确检测。
23、本专利技术通过设计空中机载环境下的图像小目标检测、识别算法以及硬件运行下新的流程方法，结合生成对抗网络(generative adversarial network,gan)的方法来提高小目标的分辨率，缩小小目标与大/中尺度目标之间的特征差异，增强小目标的特征表达，进而提高小目标检测的性能，可以有效地在空中无人机机载平台中实现地面小目标的检测，从而协助无人机完成高空监测任务。
本文档来自技高网...
【技术保护点】
1.一种高速无人机视角下的小目标检测方法，其特征在于，包括：
2.根据权利要求1所述的高速无人机视角下的小目标检测方法，其特征在于，采用所述训练数据对所述检测模型进行训练，包括：
3.根据权利要求2所述的高速无人机视角下的小目标检测方法，其特征在于，通过Reasoning-RCNN算法对所述检测模型进行训练，包括以下步骤：
4.根据权利要求3所述的高速无人机视角下的小目标检测方法，其特征在于，步骤(3)中，构建图像中的目标物体之间的知识图谱矩阵，包括：
5.根据权利要求1所述的高速无人机视角下的小目标检测方法，其特征在于，对所述小目标图像数据进行数据增强，包括：
6.根据权利要求1所述的高速无人机视角下的小目标检测方法，其特征在于，接收待检测的视频图像并进行解码处理，再进行预处理，包括：
【技术特征摘要】
1.一种高速无人机视角下的小目标检测方法，其特征在于，包括：
2.根据权利要求1所述的高速无人机视角下的小目标检测方法，其特征在于，采用所述训练数据对所述检测模型进行训练，包括：
3.根据权利要求2所述的高速无人机视角下的小目标检测方法，其特征在于，通过reasoning-rcnn算法对所述检测模型进行训练，包括以下步骤：
4.根据权利要求...
【专利技术属性】
技术研发人员：王开，白林亭，文鹏程，李亚晖，
申请(专利权)人：中国航空工业集团公司西安航空计算技术研究所，
类型：发明
国别省市：
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。