[發明專利]一種基于機載光電視頻的輕量化旋轉目標檢測識別方法

有效

• 申請號: 202110010819.6
• 申請日: 2021-01-06
• 公開（公告）號: CN112668536B
• 公開（公告）日: 2023-08-25
• 發明（設計）人: 李偉;黃展超;陶然
• 申請（專利權）人: 北京理工大學
• 主分類號: G06V20/40
• 分類號: G06V20/40;G06V10/77;G06V10/774;G06V10/80;G06V10/82;G06N3/0464;G06N3/0455;G06N3/048;G06N3/084
• 代理公司: 成都方圓聿聯專利代理事務所(普通合伙) 51241
• 代理人: 李鵬

1.一種基于機載光電視頻的輕量化旋轉目標檢測識別方法，其特征在于：包括：

S1：構建輕量化旋轉目標檢測識別模型；

S2：在嵌入式平臺上移植所述輕量化旋轉目標檢測識別模型，通過機載光電視頻圖像對其進行訓練；

S3：通過訓練完成得到的檢測識別模型對旋轉目標進行檢測識別；

其中，所述輕量化旋轉目標檢測識別模型通過通道分裂-聚合結構改進的特征提取網絡對光電視頻圖像進行特征提取，得到提取特征圖，通過特征平衡單元對所述特征提取網絡提取得到的特征進行上、下采樣均衡及抗混疊處理，得到平衡后特征圖；其中，所述通道分裂-聚合結構改進的特征提取網絡包括五組通道分裂-聚合卷積層，其中第一、第二組含有4個分裂-聚合卷積子網，第三、四、五組含有8個分裂-聚合卷積子網，每個分裂-聚合卷積子網包括至少2個分裂的卷積層、及至少1個將分裂的卷積層的輸出進行聚合的卷積層；所述特征平衡單元對所述第三組通道分裂-聚合卷積層輸出的特征圖進行下采樣，對第五組通道分裂-聚合卷積層輸出的特征圖進行1×1卷積后上采樣，對第四組通道分裂-聚合卷積層輸出的特征圖進行1×1獨立卷積，并對上采樣、下采樣及獨立卷積后加和的特征圖通過上、下三角濾波進行抗混疊處理。

2.根據權利要求1所述的檢測識別方法，其特征在于：所述輕量化旋轉目標檢測識別模型通過通道分裂-聚合及鄰域動態擴張卷積單元對平衡后特征圖進行特征融合，得到融合后特征圖，其中，所述通道分裂-聚合及鄰域動態擴張卷積單元包括分裂-聚合卷積子網及鄰域動態擴張卷積子網的組合；所述組合通過所述鄰域動態擴張卷積子網嵌入至所述分裂-聚合卷積子網中、并替換分裂-聚合卷積子網中的普通卷積或深度可分離卷積得到；所述鄰域動態擴張卷積子網包括動態卷積核和動態插值機制的卷積層。

3.根據權利要求2所述的檢測識別方法，其特征在于：所述通道分裂-聚合及鄰域動態擴張卷積單元包括2組所述鄰域動態擴張卷積子網，其中兩組鄰域動態擴張卷積子網各包括1個具有3×3動態卷積核和動態插值機制的卷積層、以及1個1×1×256的卷積層構成，其中，所述3×3動態卷積核的超參數通過網絡模型學習得到。

4.根據權利要求2所述的檢測識別方法，其特征在于：所述輕量化旋轉目標檢測識別模型通過包圍框形狀學習單元對所述融合后特征圖進行特征學習，得到目標的形狀與位置特征向量；其中，所述包圍框為四邊形包圍框，所述特征學習的過程包括：

對所述融合后特征圖進行特征降維，得到降維后的特征向量；

將降維后的特征向量輸入三個并行的卷積特征解碼子網中，分別輸出目標的外接矩形參數向量、內接任意四邊形參數向量、與外接矩形及內接任意四邊形相關的對角支撐約束向量。

5.根據權利要求4所述的檢測識別方法，其特征在于：所述外接矩形參數向量包括：該外接矩形的中心點坐標的橫、縱坐標值，該外接矩形的寬w和高h，以及置信度c；所述內接任意四邊形的參數向量包括：該內接任意四邊形的四個頂點到所述外接矩形的四個頂點的距離s₁,s₂,s₃,s₄；所述對角支撐約束向量包括：通過下式計算得到的兩條對角線長度S₁₃,S₂₄：

其中，p,v分別是外接矩形及內接任意四邊形的頂點坐標，數字表示頂點序號。

6.根據權利要求5所述的檢測識別方法，其特征在于：所述特征學習的過程還包括對各參數進行如下的變換，得到變換后的特征向量：

其中，α₁,α₂,α₃,α₄表示內接任意四邊形的四個頂點到其外接矩形四個頂點的距離與外接矩形寬或高之比，β₁,β₂分別表示對角線長度S₁₃,S₂₄與外接矩形寬和高之比。