[發明專利]一種基于目標邊界定位的紅外目標檢測方法

在審

• 申請號: 202110168963.2
• 申請日: 2021-02-07
• 公開（公告）號: CN112861871A
• 公開（公告）日: 2021-05-28
• 發明（設計）人: 董恩增;肖澤灝;佟吉鋼;于航;張祖鋒
• 申請（專利權）人: 天津理工大學
• 主分類號: G06K9/42
• 分類號: G06K9/42;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 合肥晨創知識產權代理事務所(普通合伙) 34162
• 代理人: 康培培

1.一種基于目標邊界定位的紅外目標檢測方法，其特征在于，包括如下步驟，

S1、讀取圖像信息，并采用自適應的指數變換的方法對紅外圖像進行指數變換；

S2、將步驟S1變換后的圖像調整為統一尺寸，輸入到基于Resnet-50網絡改進的復合殘差網絡以獲得圖像中不同尺度下的特征圖譜；

S3、將步驟S2得到的不同尺度的特征圖譜輸入到特征融合網絡中，特征融合網絡由三個雙向特征金字塔結構重復疊加構成，實現多尺度特征信息的融合，獲得五個尺度下的有效特征圖譜；

S4、將步驟S3得到的五個的有效特征圖譜輸入到類別與邊界框網絡中，類別與邊界框網絡由類別子網絡和邊界框子網絡組成，獲得對于目標的類別與位置的預測結果。

2.如權利要求1所述的基于目標邊界定位的紅外目標檢測方法，其特征在于，還包括S5、采用檢測模型對紅外目標進行檢測。

3.如權利要求2所述的基于目標邊界定位的紅外目標檢測方法，其特征在于，所述將檢測模型的分類損失函數為Focal Loss，將基于邊界框定位的損失函數作為檢測模型的回歸損失函數，對檢測模型進行訓練，并對訓練效果進行評估，利用訓練得到的檢測模型對紅外目標進行檢測。

4.如權利要求3所述的基于目標邊界定位的紅外目標檢測方法，其特征在于，所述Focal Loss為

FL(p_t)＝-β_t(1-p_t)^γlog(p_t)

CE(p_t)＝-log(p_t)

其中，y＝1代表當前檢測框內含有預先設定的目標類別，即屬于數據集中的正樣本；p∈[0,1]代表檢測框內的的分類置信度；p_t∈[0,1]代表針對正負樣本歸一化后的置信度。

5.如權利要求3所述的基于目標邊界定位的紅外目標檢測方法，其特征在于，基于目標邊界定位的損失函數被定義為：

其中w，h與w^gt，h^gt分別是檢測框與目標框當前的寬和高，d＝ρ²(b,b^gt)為目標框與檢測框之間中心點的直線距離，B,B^gt分別是檢測框與目標框的面積，B∩B^gt為兩框間相交區域的面積，c是同時包含檢測框與目標框的最小封閉矩形框的對角線距離，C是最小封閉矩形框的面積，σ為一個接近于0的正值，其作用是防止由于分母等于零而引起的數值波動。

6.如權利要求1所述的基于目標邊界定位的紅外目標檢測方法，其特征在于，所述步驟S1中圖像進行處理，輸入紅外圖像的像素點個數num，單個像素點的灰度值g，根據圖像內所有像素點的平均灰度值來確定自適應指數變換的參數值，紅外圖像平均灰度值如下：

7.如權利要求1所述的基于目標邊界定位的紅外目標檢測方法，其特征在于，所述步驟S1紅外圖像進行的自適應指數變換，其公式如下：

s＝cr^γ,(c,r∈[0,1])，

其中，c為常數，在本算法中令c＝1，r為指數變化前圖像像素點的灰度值，s為指數變化后圖像像素點的灰度值，指數變化的參數由當前圖像所有像素點的平均灰度值確定，計算公式如下：

8.如權利要求1所述的基于目標邊界定位的紅外目標檢測方法，其特征在于，所述步驟S2中復合殘差網絡由Conv Block和Identity Block兩個基本的卷積塊構成。

9.如權利要求1所述的基于目標邊界定位的紅外目標檢測方法，其特征在于，所述步驟S2中復合殘差網絡由多個Conv Block和Identity Block堆疊組成，復合殘差網絡在基本塊內部含有小的殘差邊的同時，多個塊之間也具有殘差結構。

10.如權利要求1所述的基于目標邊界定位的紅外目標檢測方法，其特征在于，所述步驟S4中類別子網絡用來預測目標的種類，采用4次256通道的卷積和1次通道數為該特征層所擁有的先驗框數與網絡檢測目標的類別數乘積的卷積，邊界框子網絡用來預測目標的邊界框，采用4次256通道的卷積和1次通道數為4倍該特征層先驗框的卷積，4指的是先驗框的調整情況。