[發(fā)明專利]基于卷積受限玻爾茲曼機(jī)的無人機(jī)圖像目標(biāo)檢測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202010055258.7
• 申請(qǐng)日: 2020-01-17
• 公開（公告）號(hào): CN111291634B
• 公開（公告）日: 2023-07-18
• 發(fā)明（設(shè)計(jì)）人: 劉貞報(bào);馬博迪;江飛鴻;嚴(yán)月浩;張超;布樹輝
• 申請(qǐng)（專利權(quán)）人: 西北工業(yè)大學(xué)
• 主分類號(hào): G06V20/13
• 分類號(hào): G06V20/13;G06V10/774;G06V10/764;G06V10/82;G06N3/0464;G06N3/08
• 代理公司: 北京睿智保誠專利代理事務(wù)所(普通合伙) 11732
• 代理人: 周新楣

本發(fā)明提出了一種基于卷積受限玻爾茲曼機(jī)的無人機(jī)圖像目標(biāo)檢測(cè)方法，首先，獲取航拍圖像中的圖塊，構(gòu)建初始訓(xùn)練樣本數(shù)據(jù)集；對(duì)初始訓(xùn)練樣本數(shù)據(jù)集進(jìn)行擴(kuò)充處理，將初始訓(xùn)練樣本數(shù)據(jù)集和擴(kuò)充后的訓(xùn)練樣本數(shù)據(jù)集進(jìn)行合并得到總的訓(xùn)練樣本數(shù)據(jù)集；構(gòu)建卷積受限玻爾茲曼模型，采用兩種不同尺寸的卷積核提取總的訓(xùn)練樣本數(shù)據(jù)集的特征向量，根據(jù)特征向量計(jì)算可見層與隱藏層概率分布，解算受限玻爾茲曼機(jī)模型參數(shù)，完成卷積受限玻爾茲曼模型的訓(xùn)練；將航拍影像輸入至訓(xùn)練后的卷積受限玻爾茲曼模型，得到目標(biāo)檢測(cè)分類結(jié)果。該方法提高無人機(jī)航拍圖像目標(biāo)檢測(cè)方法的魯棒性和準(zhǔn)確性，提供高精度和高魯棒性的目標(biāo)檢測(cè)結(jié)果。

技術(shù)領(lǐng)域

本發(fā)明屬于無人機(jī)圖像目標(biāo)檢測(cè)領(lǐng)域，特別涉及一種基于卷積受限玻爾茲曼機(jī)的無人機(jī)圖像目標(biāo)檢測(cè)方法。

背景技術(shù)

無人機(jī)具有機(jī)動(dòng)性強(qiáng)、效率高、成本低、可重復(fù)使用的特點(diǎn)，在工業(yè)、商業(yè)應(yīng)用中的需求越來越強(qiáng)烈，無人機(jī)搭載高精度相機(jī)對(duì)地面場(chǎng)景區(qū)域開展航拍巡檢作業(yè)，獲取巡檢所覆蓋場(chǎng)景影像數(shù)據(jù)進(jìn)行目標(biāo)檢測(cè)，從而得到探測(cè)區(qū)域精準(zhǔn)、實(shí)時(shí)的影像分析信息，能夠應(yīng)用在交通流量分析，城市建筑規(guī)劃，輸電線路巡檢，石油管線巡檢，邊防巡檢等領(lǐng)域。

相比于傳統(tǒng)圖像目標(biāo)檢測(cè)分析，無人機(jī)影像中的地面背景往往比較復(fù)雜，由于光照和成像角度的影響，同類目標(biāo)的外觀也可能存在各種差異，這些不利因素都給目標(biāo)檢測(cè)造成了困難，使得高效魯棒和高準(zhǔn)確性的無人機(jī)影像目標(biāo)檢測(cè)依然是一個(gè)富有挑戰(zhàn)性的問題。而無人機(jī)前后兩次對(duì)同一區(qū)域成像時(shí)，兩幅圖像之間不僅可能存在較大的成像視角差異，而且由于天氣和光照等成像條件的不同，圖像之間可能存在較大的整體或局部的亮度差異。在這些不利因素的影響下，無人機(jī)圖像中的變化檢測(cè)不僅需要解決圖像的高精度配準(zhǔn)問題，還需要解決在配準(zhǔn)后圖像上排除干擾提取高精度高可靠性變化信息的問題，使得無人機(jī)圖像中的變化檢測(cè)依然是一個(gè)難點(diǎn)問題。

綜上所述，為了提高無人機(jī)圖像目標(biāo)檢測(cè)的魯棒性和準(zhǔn)確性，需要發(fā)展一種更加精準(zhǔn)的航拍圖像目標(biāo)檢測(cè)方法。

發(fā)明內(nèi)容

針對(duì)無人機(jī)影像具有目標(biāo)尺寸相對(duì)較小，航拍影像背景復(fù)雜等特點(diǎn)，本發(fā)明提供了一種基于卷積受限玻爾茲曼機(jī)的無人機(jī)圖像目標(biāo)檢測(cè)方法，應(yīng)用于無人機(jī)航拍影像數(shù)據(jù)目標(biāo)檢測(cè)，通過從原始無人機(jī)航拍圖像數(shù)據(jù)中學(xué)習(xí)航拍圖像的高層特征，提取目標(biāo)的二維空間結(jié)構(gòu)信息，減少模型參數(shù)的個(gè)數(shù)，提高無人機(jī)航拍圖像目標(biāo)檢測(cè)方法的魯棒性和準(zhǔn)確性，提供高精度和高魯棒性的目標(biāo)檢測(cè)結(jié)果。

本發(fā)明采用如下技術(shù)方案來實(shí)現(xiàn)：

基于卷積受限玻爾茲曼機(jī)的無人機(jī)圖像目標(biāo)檢測(cè)方法，包括以下步驟：

步驟1：獲取航拍圖像中的圖塊，構(gòu)建初始訓(xùn)練樣本數(shù)據(jù)集；

步驟2：對(duì)初始訓(xùn)練樣本數(shù)據(jù)集進(jìn)行擴(kuò)充處理，將初始訓(xùn)練樣本數(shù)據(jù)集和擴(kuò)充后的訓(xùn)練樣本數(shù)據(jù)集進(jìn)行合并得到總的訓(xùn)練樣本數(shù)據(jù)集；

步驟3：構(gòu)建卷積受限玻爾茲曼模型，采用兩種不同尺寸的卷積核提取總的訓(xùn)練樣本數(shù)據(jù)集的特征向量，根據(jù)特征向量計(jì)算可見層與隱藏層概率分布，解算受限玻爾茲曼機(jī)模型參數(shù)，完成卷積受限玻爾茲曼模型的訓(xùn)練；

步驟4：將航拍影像輸入至訓(xùn)練后的卷積受限玻爾茲曼模型，得到目標(biāo)檢測(cè)分類結(jié)果。

優(yōu)選的，步驟1中，所述圖塊包括含有目標(biāo)的目標(biāo)圖像塊，以及不含有目標(biāo)的背景圖像塊。

優(yōu)選的，步驟2中采用多角度旋轉(zhuǎn)變換方法對(duì)初始訓(xùn)練樣本數(shù)據(jù)集進(jìn)行擴(kuò)充。