[發(fā)明專利]一種面向智慧園林的無人機(jī)航拍目標(biāo)識別方法

在審

• 申請?zhí)枺?/td>: 202011367226.7
• 申請日: 2020-11-30
• 公開（公告）號: CN112183505A
• 公開（公告）日: 2021-01-05
• 發(fā)明（設(shè)計(jì)）人: 劉洪全;陳超;張暉;李可欣;滕婷婷;張國文;王毅
• 申請（專利權(quán)）人: 江蘇久智環(huán)境科技服務(wù)有限公司;南京郵電大學(xué)
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/34;G06K9/62;G06N3/04
• 代理公司: 南京經(jīng)緯專利商標(biāo)代理有限公司 32200
• 代理人: 劉莎

本發(fā)明公開了一種面向智慧園林的無人機(jī)航拍目標(biāo)識別方法：對無人機(jī)拍攝視頻（遙感信息）進(jìn)行預(yù)處理，將遙感圖像分割至超像素單元；利用聚類算法技術(shù)將第一步中獲取到的超像素單元進(jìn)行分類，剔除部分虛假目標(biāo)；提取聚類后超像素單元的均值、方差、信息熵特征與金字塔匹配特征，并將它們進(jìn)行特征融合后作為SVM支持向量機(jī)的輸入，以克服復(fù)雜的場景；訓(xùn)練SVM支持向量機(jī)模型，得到目標(biāo)的識別分類結(jié)果。

技術(shù)領(lǐng)域

本發(fā)明涉及一種面向智慧園林的無人機(jī)航拍目標(biāo)識別方法，屬于目標(biāo)檢測和計(jì)算機(jī)視覺領(lǐng)域。

背景技術(shù)

由于人們的環(huán)保意識不強(qiáng)，導(dǎo)致園林中經(jīng)常水瓶、紙巾、包裝袋等垃圾出現(xiàn)，不僅有礙衛(wèi)生還影響園林美觀。目前，大部分智慧園林都采用無人機(jī)對園林中的情況進(jìn)行動(dòng)態(tài)的監(jiān)控，然后利用目標(biāo)檢測等算法對監(jiān)控信息進(jìn)行智能分析。隨著深度學(xué)習(xí)在計(jì)算機(jī)視覺領(lǐng)域的飛速發(fā)展，目標(biāo)檢測技術(shù)作為計(jì)算機(jī)視覺領(lǐng)域的一部分也得到了突破性的發(fā)展，然而，由無人機(jī)獲取的園林信息屬于遙感圖片，但自然場景下的目標(biāo)檢測算法并未在遙感圖像研究中取得突破性進(jìn)展，因此，對遙感圖像中較多的小目標(biāo)檢測仍然是一個(gè)具有挑戰(zhàn)性的問題。

遙感圖像相比于普通圖像存在以下問題：（1）小目標(biāo)分割困難：遙感圖像中目標(biāo)尺寸比較小，對比度弱；（2）特征提取困難：遙感圖像中目標(biāo)包含的像素少，在卷積和池化操作后會造成大量的特征丟失特征提取困難，經(jīng)過多次卷積操作以及池化操作后會丟失大量的特征。

綜上所述，如何在現(xiàn)有技術(shù)的地處上提出準(zhǔn)確的小目標(biāo)識別方法成為了目前業(yè)內(nèi)人士所亟待解決的問題。

發(fā)明內(nèi)容

本發(fā)明為解決現(xiàn)有技術(shù)對遙感圖片中小目標(biāo)識別準(zhǔn)確率低的問題，提供了一種面向智慧園林的無人機(jī)航拍目標(biāo)識別方法。該方法通過對遙感圖像進(jìn)行超像素分割、聚類和多類別單階檢測，從背景分割和特征融合兩個(gè)角度來提高整體的識別準(zhǔn)確率。

本發(fā)明為解決上述技術(shù)問題采用以下技術(shù)方案：

一種面向智慧園林的無人機(jī)航拍目標(biāo)識別方法，包括以下步驟：

S1，對已知其中目標(biāo)類別的無人機(jī)航拍攝的遙感信息進(jìn)行預(yù)處理，并將預(yù)處理后的遙感圖像進(jìn)行超像素分割，得到超像素單元；其中，預(yù)處理包括跳幀處理、圖像濾波、直方圖修正以及圖像形態(tài)學(xué)變換；

S2，去除S1中超過設(shè)定閾值的超像素單元，并對剩余超像素單元利用OPTICS 聚類算法進(jìn)行聚類；

S3，分別提取S2中聚類結(jié)果中每一類超像素單元的均值、方差、信息熵特征以及金字塔匹配特征；

S4，對S3中的均值、方差、信息熵特征以及金字塔匹配特征進(jìn)行特征融合，得到每一類超像素單元的融合特征；

S5，將S4中的融合特征作為SVM支持向量機(jī)的輸入，對應(yīng)的目標(biāo)類別作為SVM支持向量機(jī)的輸出，對SVM支持向量機(jī)進(jìn)行訓(xùn)練，得到目標(biāo)識別模型；

S6，待識別遙感信息信息根據(jù)S1-S4的方法進(jìn)行處理，得到對應(yīng)的融合特征，并將融合特征輸入S5中的目標(biāo)識別模型，得到識別結(jié)果。

進(jìn)一步，S3中首先對每一類超像素單元進(jìn)行二值化，然后分別計(jì)算二值化后超像素單元的均值、方差、信息熵。

進(jìn)一步，S4中融合特征為：F=[k₁×F_1, k₂×F_2, k₃×F₃]