【技术实现步骤摘要】
本专利技术涉及无人机，具体而言，涉及一种基于多层次融合的无人机异源图像目标检测方法及系统。
技术介绍
1、随着计算机视觉技术的高速发展，基于摄像头的各种目标检测设备普遍应用于各个领域。目前，人们将目标检测设备安装到无人机，通过无人机对目标进行拍摄跟踪。而目标检测是跟踪的基础。目前，大多数场景都是采用单传感器采集的图像数据进行目标检测，但是，对于高速运动、模糊、下雨天、视线昏暗等复杂环境下，单传感器目标检测的准确性低、虚警率高。
技术实现思路
1、针对现有技术中存在的缺陷，本专利技术的目的在于提供一种基于多层次融合的无人机异源图像目标检测方法及系统。该方法通过图像层融合，即融合红外与可见光图像深度特征，提高了目标检测精度；通过结果层融合，即基于ds证据理论的可见光与红外决策级融合，实现了鲁棒性目标检测识别结果；解决了复杂环境下单传感器目标探测效率低、虚警率高等问题，提高多源日标检测的准确性和鲁棒性。
2、为达到以上目的，本专利技术采取的技术方案是：
3、第一方面，本专利技术实施例提供了一种基于多层次融合的无人机异源图像目标检测方法，包括：
4、s101：获得可见光图像序列和红外光图像序列；可见光图像序列中包括多帧拍摄时间连续的可见光图像；红外光图像序列含有多帧拍摄时间连续的红外光图像；
5、s102：提取可见光图像序列的多种可见光特征，对多种可见光特征进行融合，得到目标的可见光融合特征；提取红外光图像序列的多种红外光特征，对多种红外光特
6、s103：基于ds证据理论对所述多种可见光特征进行可信度融合，得到第一置信度；基于ds证据理论对所述多种红外光特征进行可信度融合，得到第二置信度；
7、s104：基于所述可见光融合特征进行目标检测，得到第一检测目标；基于所述红外光融合特征进行目标检测，得到第二检测目标；
8、s105：若第一检测目标和第二检测目标为同一个目标，对可见光融合特征和红外光融合特征进行融合，得到目标融合特征；对目标融合特征进行可信度分析，获得目标融合特征的第三置信度；若第三置信度大于预设值，确定检测到的第一检测目标和第二检测目标为真目标；
9、s106：若第一检测目标和第二检测目标不是同一个目标，若第一检测目标是特定目标，按照适应步长调低第二置信度的值，若第二检测目标是特定目标，按照适应步长调低第一置信度的值；
10、s107：基于调低以后的第一置信度或者第二置信度，确定基于可见光融合特征和红外光融合特征是否可以同时检测到所述特定目标；
11、s108：若同时检测到所述特定目标，基于第一置信度的当前取值和第二置信度的当前取值，获得当前融合置信度；若当前融合置信度大于预设值，确定检测到的特定目标为真目标；
12、s109：若未同时检测到所述特定目标，且未检测到特定目标的传感器的置信度小于设定阈值，确定所检测到的目标为伪目标；
13、s110：若未同时检测到所述特定目标，且未检测到特定目标的传感器的置信度大于或者等于设定阈值，执行步骤s106~s109的操作。
14、可选的，基于第一置信度的当前取值和第二置信度的当前取值，获得当前融合置信度，包括：
15、第一置信度的当前取值和第二置信度的当前取值进行加权求和，得到当前融合置信度。
16、可选的，可见光图像序列的多种可见光特征包括纹理特征、边缘特征、颜色特征；所述对多种可见光特征进行融合，得到目标的可见光融合特征，包括：
17、对纹理特征、颜色特征和边缘特征按照像素点位置的对应关系进行加权融合，得到可见光融合特征。
18、可选的，所述可见光图像序列的多种可见光特征还包括多帧信息运动特征、直方图特征、多尺度特征、宽高比例特征和空间场景分析特征。
19、可选的，基于所述可见光融合特征进行目标检测，得到第一检测目标，包括：
20、将可见光融合特征输入目标检测模型中，目标检测模型识别出可见光融合特征对应的第一检测目标。
21、第二方面，本专利技术实施例提供了一种基于多层次融合的无人机异源图像目标检测系统，所述系统包括：
22、获取模块，用于获得可见光图像序列和红外光图像序列；可见光图像序列中包括多帧拍摄时间连续的可见光图像；红外光图像序列含有多帧拍摄时间连续的红外光图像；
23、特征提取模块，用于提取可见光图像序列的多种可见光特征，对多种可见光特征进行融合，得到目标的可见光融合特征；提取红外光图像序列的多种红外光特征，对多种红外光特征进行融合，得到目标的红外光融合特征；
24、置信度融合模块，用于基于ds证据理论对所述多种可见光特征进行可信度融合，得到第一置信度；基于ds证据理论对所述多种红外光特征进行可信度融合，得到第二置信度；
25、目标检测模块，用于基于所述可见光融合特征进行目标检测，得到第一检测目标；基于所述红外光融合特征进行目标检测，得到第二检测目标；若第一检测目标和第二检测目标为同一个目标，对可见光融合特征和红外光融合特征进行融合，得到目标融合特征；对目标融合特征进行可信度分析，获得目标融合特征的第三置信度；若第三置信度大于预设值，确定检测到的第一检测目标和第二检测目标为真目标；若第一检测目标和第二检测目标不是同一个目标，若第一检测目标是特定目标，按照适应步长调低第二置信度的值，若第二检测目标是特定目标，按照适应步长调低第一置信度的值；基于调低以后的第一置信度或者第二置信度，确定基于可见光融合特征和红外光融合特征是否可以同时检测到所述特定目标；若同时检测到所述特定目标，基于第一置信度的当前取值和第二置信度的当前取值，获得当前融合置信度；若当前融合置信度大于预设值，确定检测到的特定目标为真目标；若未同时检测到所述特定目标，且未检测到特定目标的传感器的置信度小于设定阈值，确定所检测到的目标为伪目标；若未同时检测到所述特定目标，且未检测到特定目标的传感器的置信度大于或者等于设定阈值，执行上述步骤的操作。
26、本专利技术所述的基于多层次融合的无人机异源图像目标检测方法及系统，其有益效果为：
27、本专利技术实施例提供的一种基于多层次融合的无人机异源图像目标检测方法及系统，采用以下步骤构成的技术方案：s101：获得可见光图像序列和红外光图像序列；可见光图像序列中包括多帧拍摄时间连续的可见光图像；红外光图像序列含有多帧拍摄时间连续的红外光图像； s102：提取可见光图像序列的多种可见光特征，对多种可见光特征进行融合，得到目标的可见光融合特征；提取红外光图像序列的多种红外光特征，对多种红外光特征进行融合，得到目标的红外光融合特征；s103：基于ds证据理论对所述多种可见光特征进行可信度融合，得到第一置信度；基于ds证据理论对所述多种红外光特征进行可信度融合，得到第二置信度；s104：基于所述可见光融合特征进行目标检测，得到第一检测目标；基于所述本文档来自技高网...
【技术保护点】
1.一种基于多层次融合的无人机异源图像目标检测方法，其特征在于，包括：
2.根据权利要求1所述的基于多层次融合的无人机异源图像目标检测方法，其特征在于，基于第一置信度的当前取值和第二置信度的当前取值，获得当前融合置信度，包括：
3.根据权利要求1所述的基于多层次融合的无人机异源图像目标检测方法，其特征在于，可见光图像序列的多种可见光特征包括纹理特征、边缘特征、颜色特征；所述对多种可见光特征进行融合，得到目标的可见光融合特征，包括：
4.根据权利要求1所述的基于多层次融合的无人机异源图像目标检测方法，其特征在于，所述可见光图像序列的多种可见光特征还包括多帧信息运动特征、直方图特征、多尺度特征、宽高比例特征和空间场景分析特征。
5.根据权利要求1所述的基于多层次融合的无人机异源图像目标检测方法，其特征在于，基于所述可见光融合特征进行目标检测，得到第一检测目标，包括：
6.一种基于多层次融合的无人机异源图像目标检测系统，其特征在于，所述系统包括：
7.根据权利要求6所述的基于多层次融合的无人机异源图像目标检测系统，
8.根据权利要求6所述的基于多层次融合的无人机异源图像目标检测系统，其特征在于，可见光图像序列的多种可见光特征包括纹理特征、边缘特征、颜色特征；所述对多种可见光特征进行融合，得到目标的可见光融合特征，包括：
9.根据权利要求6所述的基于多层次融合的无人机异源图像目标检测系统，其特征在于，所述可见光图像序列的多种可见光特征还包括多帧信息运动特征、直方图特征、多尺度特征、宽高比例特征和空间场景分析特征。
10.根据权利要求6所述的基于多层次融合的无人机异源图像目标检测系统，其特征在于，基于所述可见光融合特征进行目标检测，得到第一检测目标，包括：
...【技术特征摘要】
1.一种基于多层次融合的无人机异源图像目标检测方法，其特征在于，包括：
2.根据权利要求1所述的基于多层次融合的无人机异源图像目标检测方法，其特征在于，基于第一置信度的当前取值和第二置信度的当前取值，获得当前融合置信度，包括：
3.根据权利要求1所述的基于多层次融合的无人机异源图像目标检测方法，其特征在于，可见光图像序列的多种可见光特征包括纹理特征、边缘特征、颜色特征；所述对多种可见光特征进行融合，得到目标的可见光融合特征，包括：
4.根据权利要求1所述的基于多层次融合的无人机异源图像目标检测方法，其特征在于，所述可见光图像序列的多种可见光特征还包括多帧信息运动特征、直方图特征、多尺度特征、宽高比例特征和空间场景分析特征。
5.根据权利要求1所述的基于多层次融合的无人机异源图像目标检测方法，其特征在于，基于所述可见光融合特征进行目标检测，得到第一检测目标，包括：
【专利技术属性】
技术研发人员：白慧慧，仇梓峰，王雅涵，朱良彬，陈宇，陈韬亦，刘国栋，
申请(专利权)人：北京交通大学，
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。