[發明專利]一種基于視覺的低慢小航空器探測方法

在審

• 申請號: 201711163026.8
• 申請日: 2017-11-21
• 公開（公告）號: CN109815773A
• 公開（公告）日: 2019-05-28
• 發明（設計）人: 羅喜伶;許乙付;趙博文
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/20;G06K9/62;G06N3/04
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.本發明提供一種基于視覺的低慢小航空器探測方法，其主要特征在于，主要設備為搭載有長焦變焦鏡頭和相機的光電轉臺，主要執行過程包括：所述光電轉臺巡視，所述鏡頭拉遠，在大視角下進行目標發現，確定可能的疑似區域；所述光電轉臺調整所述相機朝向至所述疑似區域，所述鏡頭拉近，在小視角下進行目標檢測，實現對目標的分割和識別；所述光電轉臺調整所述相機朝向，調整所述鏡頭，以目標檢測結果為模板，在中視角下進行目標跟蹤，使目標始終處于畫面中央同時占比合適；目標跟蹤過程中，周期性引入目標檢測更正跟蹤結果。

2.根據權利要求1所述的基于視覺的低慢小航空器探測方法，其特征在于，所述目標發現方法首先采用天地分界線檢測，將背景分成天空背景與地面背景2種，對于所述天空背景目標，主要采用基于對比度的小目標檢測方法和三幀差分法運動目標檢測方法，對于所述地面背景目標，主要采用三幀差分法運動目標檢測方法。

3.根據權利要求1所述的基于視覺的低慢小航空器探測方法，其特征在于，所述目標檢測方法，采用基于深度卷積神經網絡的目標檢測方法，具體步驟為：

S301分類采集大量低慢小航空器圖片素材，具體可分為多旋翼無人機、系留氣球、航拍氣球、動力滑翔/三角翼、民航飛機等；

S302對每張圖片里的低慢小航空器畫標記框，并為所述標記框添加類別信息，添加至VOC2007數據集生成新的訓練數據集和測試數據集；

S303以所述訓練數據集訓練深度卷積神經網絡模型，以所述測試數據集測試訓練效果；

S304輸入所述疑似區域的圖像，所述深度卷積神經網絡模型生成檢測結果，包括目標位置框、目標類別和置信度。

4.根據權利要求1所述的基于視覺的低慢小航空器探測方法，其特征在于，所述目標跟蹤過程中周期性引入目標檢測更正跟蹤結果的具體步驟為：

S401設置跟蹤計數器和跟蹤閾值，所述跟蹤計數器歸零，不斷獲取圖像進行目標檢測，直到檢測到有效的低慢小航空器目標；

S402根據目標檢測結果，所述光電轉臺調整所述相機朝向，調整所述鏡頭，使目標處于畫面中央同時占比合適，重新執行檢測，生成目標跟蹤模板；

S403判斷所述跟蹤模板是否有效，是則執行目標跟蹤，同時所述跟蹤計數器加1，否則轉回步驟S401；

S404根據目標跟蹤結果，所述光電轉臺調整所述相機朝向，調整所述鏡頭，使目標處于畫面中央同時占比合適；

S405判斷所述跟蹤計數器是否低于所述閾值，是則執行轉到步驟S403，否則對步驟S404跟蹤目標按比例擴大后的圖像實施目標檢測；

S406判斷目標檢測是否有效，若檢測到低慢小航空器目標則更新目標跟蹤模板，同時轉到步驟S403，否則轉到步驟S401。