本发明专利技术公开了一种基于可见光遥感图像的群目标检测方法。本方法步骤包括：1)获取带有感兴趣的群目标对象的可见光遥感图像，构建样本集；2)对所述样本集内所选图像中所含的感兴趣的目标进行标记，标记后每张图像相应生成含有标记信息的属性文件，每一图像与其相应的属性文件共同组成一训练样本，得到训练样本集；3)对目标检测模型YOLO‑v5进行改进，包括在特征提取模块引入基于LSKNet的大卷积核混合域注意力机制，提取输入图像的全局特征以及计算该输入图像的空间注意力和通道注意力，生成该输入图像的混合域特征图；利用训练样本集训练模型；4)将一待检测图像输入训练后的模型，得到该待检测图像中的群目标。
【技术实现步骤摘要】
本专利技术属于计算机视觉目标检测，尤其涉及一种基于可见光遥感图像的群目标检测方法。
技术介绍
1、群目标通常指具有相似特征静止或具有相似运动模式的多个目标，如有人/无人机编队、舰艇编队、地面编队目标等。在机场、港口、停车场等人造场地下的静态场景及陆地、海面等自然环境下的机动场景中的关键群目标检测在军事、航天以及国民经济的各个领域有着重要的应用价值。高分辨率的可见光卫星遥感图像包含上述群目标信息，基于可见光遥感图像进行群目标检测是发现群目标的有效途径。
2、卫星的瞬时成像幅宽一般在数十到数百千米的量级，分辨率一般在亚米级，定位精度为十米量级。因此，与传统的自然图像不同，可见光卫星遥感图像尤其是军用领域的卫星图像尺寸巨大。但卫星图像包含的群目标个体(即群目标中的单个个体)却十分微小。群目标相较于整幅卫星图像的占比可低至千万分之一。因此群目标特征信息有限，导致检测精度受限。此外，一些关键目标通常进行伪装，其外表与植被等地表实体的特征高度相似，进一步增加了检测难度。
3、现有的群目标检测主要包括：《基于贝叶斯递推的空间群目标检测方法、装置及存储介质》(专利申请号202010381668.0)，该专利提出利用群目标在三维空间中的轨迹集合计算群目标在三维坐标系中的三个投影平面上的平面椭圆参数，构建群目标在三维空间中的椭球模型，计算椭球模型的体积变化率，根据体积变化率判断群目标的状态。该专利主要解决的技术问题是建立准确的三维模型来判别群目标分离时的状态。该专利基于轨迹数据，不适于跨组织、跨国家关键群目标的检测，如国防领域敌方编队目标的检测。《一种无人机群目标检测方法、电子设备及存储介质》(专利申请号202011204492.8)对待检测目标的脉间正交相位编码的回波信号进行快速傅里叶变换，得到多普勒-角度数据；根据多普勒-角度数据判断待检测目标是否为群目标，对确定的群目标进行参量与数目估计，得到群目标的目标数量和目标参数。该专利所述方法是一种基于mimo雷达的无人机群目标检测方法。《无人机集群目标检测及目标轮廓、集群规模估计方法》(专利申请号202210298426.4)公开了一种无人机集群目标检测及目标轮廓、集群规模估计方法，该专利技术的方法对单散射体雷达回波进行矢量叠加得到集群回波模型；脉冲压缩后，引入l1范数和核范数作为正则化约束项来限制反卷积病态性并充分利用先验信息，实现对方位维超分辨；cfar检测后，基于集群的密集分布，设置一组邻域参数(ε,minpts)对cfar结果进行基于密度的空间聚类，检测出集群目标点；对集群目标点进行极角排序并遍历得到集群的边界点，将边界点依次连接得到集群的边界信息，估计集群轮廓，在该轮廓下对集群内目标数量进行统计，估计集群规模。《群目标雷达探测辨识方法、系统、电子设备及存储介质》(专利申请号202310082241.4)提出一种群目标雷达探测辨识方法、系统、电子设备及存储介质，属于雷达探测领域，方法包括：对可疑群目标进行标记；对标记后的可疑群目标进行分组；对分组后的可疑群目标出现在每一雷达站探测图像中的区域进行网格化处理，针对网格单元中多个可疑目标的脉压信号进行等距离多个目标的辨识处理；将所有雷达站的初始辨识结果进行同一可疑目标在不同方位的目标匹配，得到最终可疑群目标辨识结果。《一种基于物理先验知识的空间群目标探测方法及系统》(专利申请号202310700834.2)公开了一种基于物理先验知识的空间群目标探测方法及系统，具体为：构建不同尺寸的空间非合作锥体目标物理仿真模型，获得不同运动状态下混叠的空间群目标随时间变化的雷达回波，利用傅里叶变换获得空间群目标随时间变化的一维距离像；提取出所有时刻散射中心的位置信息和幅度信息，将混叠的锥体目标散射中心模型中的位置信息重组，重构单个锥体目标微多普勒时频图和一维距离像；结合双通道卷积神经网络进行训练和测试，得到复杂环境中空间非合作锥体目标的高度、半径、进动频率。《集群目标检测方法》(专利申请号202111460395.x)也提出了一种基于雷达的集群目标检测方法。该方法针对运动状态下的群目标，具体针对尺寸相近、运动模式相似的大量个体目标混合而成的目标簇，簇内的目标在一定时间内保持空间关系(如位置)相对固定，且任意最相邻两个体目标量测差小于传感器系统的相关门限，如无人机群、鸟群、昆虫群等。《一种基于多维参数神经网络的雷达集群目标行为识别方法》(专利申请号202210652444.8)公开了一种基于多维参数神经网络的雷达集群目标行为识别方法，首先对雷达回波的距离-多普勒域的幅度特征以及角度特征进行时频处理和时间积累的预处理；然后将每一帧预处理后的回波信号进行时间积累，提取距离、多普勒和角度三种不同维度的特征图谱rtm、dtm和atm；接着通过增加输入特征层、合并全连接层等方法对vgg16网络进行改进，设计了一种多维参数行为识别网络，并对特征图谱进行训练；最后利用训练好的网络实现集群目标行为识别。《一种基于椭球扩展外形的群目标分离检测方法》(专利申请号202211363473.9)涉及群目标分离检测判决方法，特别涉及一种基于椭球扩展外形的群目标分离检测方法，属于雷达
首先对探测空间中的量测进行聚类和质心参数估计，其次基于贝叶斯递推方法、卡尔曼滤波准则及马尔可夫链实现群目标运动状态和扩展状态滤波，进而建立三维椭球模型描述群目标扩展外形，利用群目标帧间体积变化率参数判断群目标分离状态，并根据分群目标扩展外形更新聚类相关参数，最终实现群目标分离检测及分群目标跟踪。上述基于雷达的方法存在以下不足：第一，这类方法计算复杂度高，通常使用多个天线进行发射和接收，导致数据量大大增加。第二，硬件要求高，通常使用多个天线进行发射和接收，导致数据量大大增加。第三，环境干扰敏感，如多径效应、杂波干扰和信号衰减等。第四，目标分辨率有限，在较远距离或目标尺寸较小的情况下，目标的分辨率受限，导致目标检测的准确性降低。《一种基于电磁散射特征与拓扑构型的群目标检测方法》(专利申请号202210335606.5)提出了一种基于sar图像的群目标检测方法，该方法对双极化sar图像进行极化增强处理、均值滤波处理、分割处理等预处理，得到第一二值图像和第二二值图像；对得到的图像进行目标像素聚类，得到多个单目标；遍历得到的多个单目标，进行目标群搜索，统计每个目标群的构型参数；计算每个目标群的置信度；置信度值最大的目标群为检测结果。这类方法的不足包括：第一，sar图像具有复杂的干扰和噪声特性，需要进行复杂的预处理和去噪处理。第二，sar图像的背景干扰强烈，海洋、陆地、建筑物等背景特征可能与目标具有相似的散射特性，增加了目标检测的困难度。此外，分辨率限制也是影响这类方法精度的原因之一。《一种基于多模态特征判别的红外点群目标识别方法》(专利申请号202210838226.3)属于红外点群目标识别方法，包括以下步骤：步骤s1、多源图像序列数据和目标测量类数据预处理；步骤s2、单模态多源图像序列数据目标特征提取及目标识别；步骤s3、单模态目标测量类数据目标特征提取及状态识别；步骤s4、多模态特征融合及目标识别；步骤s5、识别结果融合本文档来自技高网...
【技术保护点】
1.一种基于可见光遥感图像的群目标检测方法，其步骤包括：
2.根据权利要求1所述的方法，其特征在于，所述目标检测模型YOLO-v5的特征提取模块生成输入图像的混合域特征图的方法为：
3.根据权利要求2所述的方法，其特征在于，得到所述空间注意力权重SA的方法为：
4.根据权利要求1所述的方法，其特征在于，A代表目标的真实边界框，B代表目标的预测边界框；Na表示从目标的真实边界框A建模的二维高斯分布，Nb表示从目标的预测边界框B建模的二维高斯分布，表示两个二维高斯分布Na和Nb的Wasserstein距离，T是可调节的超参数。
5.根据权利要求1所述的方法，其特征在于，将所述样本集划分为训练样本集和测试样本集；对所述训练样本集的图像进行增强，提升样本多样化，得到增强训练样本集；对所述增强训练样本集内每个图像中所含的感兴趣的目标进行标记，标记后每张图像相应生成含有标记信息的属性文件，每一所述图像与其相应的属性文件共同组成一训练样本，得到训练样本集。
6.根据权利要求5所述的方法，其特征在于，对所述训练样本集的图像进行增强的方法包括但不限于：翻转、旋转、随机裁剪与缩放、灰度调整、色调调整、明暗调整、饱和度调整、曝光度调整、模糊度、加噪。
7.根据权利要求1所述的方法，其特征在于，所述增强训练样本集包括静态场景图像和机动场景图像；针对所述静态场景图像进行标注时，对感兴趣的群目标进行标记；针对所述机动场景图像进行标注时，对感兴趣的单个目标进行标记。
8.根据权利要求7所述的方法，其特征在于，步骤4)中，当所述待检测图像为静态场景图像时，步骤3)训练后的目标检测模型YOLO-v5输出的群目标为最终的群目标检测结果；当所述待检测图像为机动场景图像时，对步骤3)训练后的目标检测模型YOLO-v5输出的目标进行聚类、拟合所得群目标，作为最终的群目标检测结果。
9.一种服务器，其特征在于，包括存储器和处理器，所述存储器存储计算机程序，所述计算机程序被配置为由所述处理器执行，所述计算机程序包括用于执行权利要求1至8任一所述方法中各步骤的指令。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至8任一所述方法的步骤。
...
【技术特征摘要】
1.一种基于可见光遥感图像的群目标检测方法，其步骤包括：
2.根据权利要求1所述的方法，其特征在于，所述目标检测模型yolo-v5的特征提取模块生成输入图像的混合域特征图的方法为：
3.根据权利要求2所述的方法，其特征在于，得到所述空间注意力权重sa的方法为：
4.根据权利要求1所述的方法，其特征在于，a代表目标的真实边界框，b代表目标的预测边界框；na表示从目标的真实边界框a建模的二维高斯分布，nb表示从目标的预测边界框b建模的二维高斯分布，表示两个二维高斯分布na和nb的wasserstein距离，t是可调节的超参数。
5.根据权利要求1所述的方法，其特征在于，将所述样本集划分为训练样本集和测试样本集；对所述训练样本集的图像进行增强，提升样本多样化，得到增强训练样本集；对所述增强训练样本集内每个图像中所含的感兴趣的目标进行标记，标记后每张图像相应生成含有标记信息的属性文件，每一所述图像与其相应的属性文件共同组成一训练样本，得到训练样本集。
6.根据权利要求5所述的方法，其特征在于，对所述训练样本集的图像进行增强的方法...
【专利技术属性】
技术研发人员：朱美玲，连占标，吕曼莹，尹璐，丁治明，
申请(专利权)人：中国科学院软件研究所，
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。