[發明專利]一種應用于嵌入式平臺輕量型高效率的目標檢測方法在審
| 申請號： | 202010575803.5 | 申請日： | 2020-06-22 |
| 公開（公告）號： | CN111723747A | 公開（公告）日： | 2020-09-29 |
| 發明（設計）人： | 王浩同;石俊;熊杰;于孟晨;洪波;王輝;馮顯航;王勇進;劉星 | 申請（專利權）人： | 西安工業大學 |
| 主分類號： | G06K9/00 | 分類號： | G06K9/00;G06T7/277;G06N3/04;G06N3/08;G06F17/16 |
| 代理公司： | 西安銘澤知識產權代理事務所(普通合伙) 61223 | 代理人： | 吳林 |
| 地址： | 720021 陜西省西*** | 國省代碼： | 陜西;61 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 應用于 嵌入式 平臺 輕量型 高效率 目標 檢測 方法 | ||
1.一種應用于嵌入式平臺輕量型高效率的目標檢測方法，其特征在于，包括以下步驟：
S1：采集不同復雜背景下無人機的圖像數據，通過數據增強方式獲取網絡訓練樣本及測試樣本；
S2：利用殘差網絡思想改進Tiny-YOLOv3算法，橫向增加網絡深度，對網絡模型進行訓練，獲得復雜背景下無人機目標檢測模型；
S3：利用kalman濾波原理設計目標跟蹤算法，通過kalman濾波預測器短幀間隔內預測目標位置來補償復雜背景或遮擋下目標檢測丟失的情況；
S4：在無人機目標檢測模型中融合kalman濾波預測算法，基于DarkNet框架部署在嵌入式平臺；
S5：利用訓練后的復雜背景下無人機目標檢測模型權重對測試集逐幀采集的圖片或機載攝像頭采集到的視頻圖像進行測試，并給出測試結果。
2.如權利要求1所述的一種應用于嵌入式平臺輕量型高效率的目標檢測方法，其特征在于，所述步驟S2具體為：
改進網絡采用隨機糾正線性單元作為激勵，其激勵函數為：
其中，kji～U(l,u),lu and l,u∈[0,1)，kji為均勻的分布U(I,u)中隨機抽取的數值；
沿用YOLO原網絡損失函數作為損失函數，利用均方和誤差作為損失函數，如下式：
其中,表示bounding box的坐標預測，表示對于box是否含有目標的置信度預測，表示類別預測。
3.如權利要求1所述的一種應用于嵌入式平臺輕量型高效率的目標檢測方法，其特征在于，所述步驟S3中的kalman濾波預測器執行內容為：
S31：預測狀態的協方差矩陣：
其中，F為狀態轉移矩陣，狀態轉移矩陣用于描述目標的平移、旋轉等運動情況，表示目標上一幀的狀態信息，Wt-1為目標上一幀預測誤差；
S32：實際狀態的協方差矩陣：
其中，為目標上一幀預測協方差矩陣，Qt表示系統噪聲矩陣。
4.如權利要求1所述的一種應用于嵌入式平臺輕量型高效率的目標檢測方法，其特征在于，所述步驟S4中融合步驟為：
其中：Zt描述目標運動的觀測矩陣，H為量測矩陣，kt為濾波器更新過程中的關系矩陣；
其中，Rt為測量噪聲矩陣。
Kalman濾波器完成更新，通過測量當前幀目標狀態信息，更新狀態值并作為濾波器下一幀的預測輸入。
5.如權利要求1所述的一種應用于嵌入式平臺輕量型高效率的目標檢測方法，其特征在于，所述步驟S1中訓練樣本數目為15000張，測試樣本數目為5000張，所述測試樣本為視頻流文件逐幀截取獲得。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于西安工業大學，未經西安工業大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202010575803.5/1.html，轉載請聲明來源鉆瓜專利網。
