[發明專利]一種基于深度學習的低空無人機目標檢測方法及系統

在審

• 申請號: 202010401407.0
• 申請日: 2020-05-13
• 公開（公告）號: CN111666822A
• 公開（公告）日: 2020-09-15
• 發明（設計）人: 閆夢龍;馬益杭;王書峰;陳凱強
• 申請（專利權）人: 颯鉑智能科技有限責任公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06N3/04
• 代理公司: 北京安博達知識產權代理有限公司 11271
• 代理人: 徐國文

1.一種基于深度學習的低空無人機目標檢測方法，其特征在于，包括：

采集目標區域內的光學影像信息；

基于EConvBlock卷積方式對所述光學影像信息進行特征提取得到特征圖；

構建多個不同尺度的卷積層，依次對所述特征圖進行處理，以確定所述光學影像信息是否存在無人機，及無人機的位置。

2.如權利要求1所述的檢測方法，其特征在于，所述基于EConvBlock卷積方式對所述光學影像信息進行特征提取得到特征圖，包括：

將所述光學影像信息作為輸入特征圖分別饋入卷積數量相同但孔徑不同的多個卷積分支進行處理；

將多個卷積分支的輸出特征圖進行級聯合并；

然后再依次饋入批歸一化層和激活函數層得到輸出特征圖。

3.如權利要求1所述的檢測方法，其特征在于，所述構建多個不同尺度的特征圖，依次對所述特征圖進行處理，以確定所述光學影像信息是否存在無人機，包括：

構建多個不同尺度的特征圖；

將所述特征圖依次輸入不同的卷積模塊，得到多個分辨率依次遞減的多尺度特征圖；

將多尺度特征圖分別輸入多個不同的卷積層，得到相應的表征檢測結果的輸出特征圖；

將所有表征檢測結果的特征圖饋入損失層進行損失計算；

其中，根據每個卷積層對應的特征圖的分辨率不同，其候選框的尺寸具有不同的約束參考框尺寸。

4.如權利要求3所述的檢測方法，其特征在于，所述卷積層的輸出通道數均為6K，其中K為代表所述卷積層對應的特征圖中每個單元對應K個候選參考框。

5.如權利要求4所述的檢測方法，其特征在于，所述不同尺度的特征圖與對應的候選參考框尺度的關系如下式：

式中，S_min對應最淺層特征圖檢測目標的尺度，S_max對應最高層特征圖檢測目標的尺度，m為使用的特征圖層級數，k為指定特征圖層級，S_k對應特征圖層k級的尺度。

6.如權利要求5所述的檢測方法，其特征在于，所述特征圖檢測目標的尺度長寬比為1。

7.如權利要求5所述的檢測方法，其特征在于，所述最淺層特征圖檢測目標的尺度S_min取值為0.1；所述最高層特征圖檢測目標的尺度S_max設定為0.8。

8.如權利要求5所述的檢測方法，其特征在于，所述特征圖層k級的尺度S_k，與特征圖層級k的關系如下：

當k＝1時，S_k＝0.1；

當k＝2時，S_k＝0.3；

當k＝3時，S_k＝0.5；

當k＝4時，S_k＝0.6；

當k＝5時，S_k＝0.7；

當k＝6時，S_k＝0.8。

9.一種基于深度學習的低空無人機目標檢測系統，其特征在于，包括：

采集模塊，用于采集目標區域內的光學影像信息；

特征提取模塊，用于基于EConvBlock卷積方式對所述光學影像信息進行特征提取得到特征圖；

無人機檢測模塊，構建多個不同尺度的卷積層，依次對所述特征圖進行處理，以確定所述光學影像信息是否存在無人機，及無人機的位置。