[發明專利]一種基于深度學習的多尺度特征融合目標檢測系統

在審

• 申請號: 202010739576.5
• 申請日: 2020-07-28
• 公開（公告）號: CN111881831A
• 公開（公告）日: 2020-11-03
• 發明（設計）人: 張國和;丁莎;陳琳
• 申請（專利權）人: 南京擬態智能技術研究院有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 南京業騰知識產權代理事務所(特殊普通合伙) 32321
• 代理人: 董存壁

1.一種基于深度學習的多尺度特征融合目標檢測系統，其特征在于：包括圖像采集及預處理單元、遙感飛機目標檢測單元和顯示及保存單元；

所述圖像采集及預處理單元，與遙感飛機目標檢測單元相連，用于采集影像數據，將影像數據轉化為單幀圖像后進行預處理，預處理后的數據發送給所述遙感飛機目標檢測單元；

所述遙感飛機目標檢測單元，與圖像采集及預處理單元和顯示及保存單元相連，接收圖像采集及預處理單元發送的數據，將預先訓練好的權重數據載入到卷積神經網絡中，用卷積網絡對數據中的飛機進行檢測，檢測結果發送至顯示及保存單元；

所述顯示及保存單元，與遙感飛機目標檢測單元相連，將識別到的飛機目標進行實時顯示并將結果保存進行保存。

2.根據權利要求1所述的一種基于深度學習的多尺度特征融合目標檢測系統，其特征在于：所述圖像采集及預處理單元包括攝像模塊和預處理模塊；

攝像模塊，通過攝像頭采集影像，并對攝像頭參數進行初始化，將已規范化的影像數據轉換為流式數據輸出到IO口；

預處理模塊，采用opencv工具包來讀取IO口的影像流式數據，將影像流式數據的單幀圖像進行提取并縮放到遙感飛機目標檢測單元所需的大小，作為遙感飛機目標檢測單元輸入數據。

3.根據權利要求2所述的一種基于深度學習的多尺度特征融合目標檢測系統，其特征在于：對攝像頭參數進行初始化，包括用戶預先設置的碼流、幀率、分辨率和IP地址。

4.根據權利要求2所述的一種基于深度學習的多尺度特征融合目標檢測系統，其特征在于：預處理模塊，還包括對影像流式數據進行隨機旋轉操作和對影像流式數據進行HSV空間顏色的轉變，其中，在HSV空間中，飽和度、曝光、色調都是隨機變化。

5.根據權利要求1所述的一種基于深度學習的多尺度特征融合目標檢測系統，其特征在于：在遙感飛機目標檢測單元中，利用k-means聚類算法對遙感影像數據進行維度聚類分析，獲取適合遙感影像小目標的錨框比列，同時采用YOLOV2中的darknet19作為特征提取網絡，將淺層特征和深層特征進行融合。

6.根據權利要求1所述的一種基于深度學習的多尺度特征融合目標檢測系統，其特征在于：用卷積網絡對數據中的飛機進行檢測，獲取飛機目標的位置，并并用矩形框進行標注，顯示矩形框的中心點坐標和長寬信息。