[發明專利]基于自適應目標區域搜索和博弈的無人機智能車輛目標檢測方法和應用

有效

• 申請號: 202110006899.8
• 申請日: 2021-01-05
• 公開（公告）號: CN112560799B
• 公開（公告）日: 2022-08-05
• 發明（設計）人: 張弘;張愷;陳浩;楊一帆;袁丁;李亞偉
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G06V20/17
• 分類號: G06V20/17;G06V10/25;G06V10/82;G06V10/80;G06V10/774;G06V20/52;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 石家莊科誠專利事務所(普通合伙) 13113
• 代理人: 張紅衛;李琳

本發明屬于目標檢測和圖像處理技術領域，公開了一種基于自適應目標區域搜索和博弈的無人機智能車輛目標檢測方法和應用，該檢測方法是通過卷積神經網絡提取圖像特征，并進行特征融合和反卷積，構建預設錨框選區，引入自適應搜索與正和博弈理論進行計算，最終輸出檢測結果。本發明顯著提高運動目標時的視角變化場景中，成像面視角發生隨機改變情況下車輛目標檢測的精確度。本發明用于對無人機監控拍攝的車輛圖像進行目標檢測，檢測結果精度高、未召回框的數量少。

技術領域

本發明屬于目標檢測和圖像處理技術領域，涉及一種無人機智能車輛目標檢測方法，具體地說是一種基于自適應目標區域搜索和博弈的無人機智能車輛目標檢測方法和應用。

背景技術

目標檢測技術是用于識別圖像范圍內某些類別物體所處的位置和其對應類別的方法：通過學習與真實場景一致的數據集，從中提取目標的特征與背景信息，構建模型以對真實場景進行識別。該技術的傳統算法在智能監控、人機交互、智能交通等領域有著很好的應用，被廣泛用于監控器場景或車輛內部固定監視器場景的檢測，而被直接引入無人機領域，仍存在一些問題。

無人機能夠快速移動，在許多特定場景下已經展現出優勢，幫助人們記錄高空視角下的海量圖像與視頻數據。目前目標檢測技術的一些傳統算法如YOLO等，對于固定背景或固定視角下的多目標檢測有著很好的性能。

但是在實際的無人機監控場景中，由于無人機與地面的高度在不斷變化，無人機監控的視角也隨之發生改變，尤其無人機俯拍視角下車輛輪廓相似度高，而傳統目標檢測對于目標類別的識別需要大量的不同角度的特征信息，這種情況下，僅通過傳統模型分類效果較差，不易區分；同時，待檢測車輛也是在不斷運動的，整個無人機——車輛系統在真實世界的三個維度同時產生位移和速度，形成隨機的相對運動；對于這樣的場景，現有目標檢測效果較為一般，尤其對于動態視頻檢測效果差，很難精確識別目標。

因此，針對檢測運動目標時的視角變化場景，優化無人機智能車輛目標檢測方法，提高成像面視角發生隨機改變情況下車輛目標檢測的精確度具有重要意義。

發明內容

本發明的一個目的，是要提供一種基于自適應目標區域搜索和博弈的無人機智能車輛目標檢測方法，通過引入自適應目標區域搜索和博弈理論，以解決成像面視角發生隨機改變情況下車輛目標檢測精確度差的問題；

本發明的另一個目的，是要提供上述基于自適應目標區域搜索和博弈的無人機智能車輛目標檢測方法的一種應用。

為了實現上述目的，本發明采用的技術方案是：

一種基于自適應目標區域搜索和博弈的無人機智能車輛目標檢測方法，包括依次進行的以下步驟：

S1.通過卷積神經網絡提取圖像特征，生成多尺度特征圖；

S2.對多尺度特征圖進行特征融合和反卷積，生成多尺度多特征圖；

S3.將多尺度多特征圖輸入到感興趣區域生成器，輸出預設錨框選區；

對多尺度多特征圖進行自適應搜索，生成自適應搜索選區；

S4.將預設錨框選區與自適應搜索選區求交集，得到預測區域；

S5.將預測區域輸入到兩個卷積層和兩個全連接層，輸出預測結果；

S6.對預測結果進行正和博弈，輸出車輛類別最大可能值的目標結果。

作為一種限定，步驟S1中，圖像包括無人機監控拍攝圖片或視頻截圖；步驟S2中，特征融合為通過采樣和池化整合特征信息。

步驟S1中，圖像還包括無人機監控拍攝視頻截圖；

步驟S2中，所述特征融合是通過采樣和池化統一多尺度特征圖的尺寸，歸一化處理進行特征融合以整合特征信息。