[發明專利]一種無人機偵查地面目標的輕量化自動檢測方法

在審

• 申請號: 202110343582.3
• 申請日: 2021-03-30
• 公開（公告）號: CN112906658A
• 公開（公告）日: 2021-06-04
• 發明（設計）人: 吳國強;孫浩惠;姜梁;王家星;包文龍;錢宇浛
• 申請（專利權）人: 航天時代飛鴻技術有限公司;中國航天電子技術研究院
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62;G06F9/50;G06N3/04
• 代理公司: 北京金智普華知識產權代理有限公司 11401
• 代理人: 巴曉艷

本發明涉及圖像處理及機器視覺技術領域，提供了一種無人機偵查地面目標的輕量化自動檢測方法，包括S1、模型建立與訓練：采用改進后的SSD算法對無人機偵查圖像進行特征提取、標注框框回歸和類別預測，完成模型訓練；改進后的SSD算法采用Squeeze Net替換VGG作為基礎網絡，Squeeze Net增加若干個卷積層；S2、利用訓練好的模型對無人機偵查圖像進行目標檢測。本發明將Squeeze?net算法作為網絡前置算法對目標進行特征提取，避免了檢測算法因滑窗尺寸、步長不能無級變化或目標特征不明顯引起的漏檢或誤檢，增加了檢測準確率；融合ARM、GPU、NPU共同推理，實現多硬件并行計算，提升計算效率。

技術領域

本發明涉及圖像處理及機器視覺技術領域，特別涉及一種無人機偵查地面目標的輕量化自動檢測方法。

背景技術

近年來，無人機作為一支新興作戰力量，在智能化作戰條件下發揮了不可替代的作用，大力發展無人機裝備技術，對于提升部隊作戰能力具有重大的戰略意義。目標自動檢測技術作為無人機執行偵察打擊任務的關鍵技術之一，能夠為無人機視覺導航、目標跟蹤、目標定位和精準打擊等技術提供強大支持。高效準確的檢測算法，可以有效減輕地面操作人員的負擔，提高偵查能力以及快速響應作戰效能。

傳統的無人機航拍圖像目標檢測算法需要對圖像進行預處理，然后對整幅圖像進行滑動窗口遍歷操作，通過初步判斷目標可能會出現的位置，人工設計偵搜目標的某種特征，如常見的方向梯度直方圖(HOG,histogram of oriented gradient)特征、尺度不變特征變換(SIFT,scale-invariant feature transform)特征、哈爾特征(Haar-linkfeature)和加速穩健特征(SURF,speeded up robust feature)等，最后將特征送入支持向量機(SVM,support vector machine)或Adaboost分類器進行分類，完成檢測任務。但是人工設計特征存在很大弊端，在設計過程中會過于依賴以往經驗，且算法在陌生場景下的表現效果不好，檢測算法的穩健性不強，極大地阻礙了檢測算法的應用。

卷積神經網絡在網絡層次和單層網絡的通道數上，均是深度的，都存在大量需要處理的數據。卷積神經網絡90％以上的計算需求來自于立體卷積算子(三維)，立體卷積算子需要對網絡中的全部數據逐點進行立體卷積運算，cpu承受如此巨大的計算量時計算效率非常低下。

在無人機視頻圖像處理系統中，對偵查地面目標的自動檢測技術目前面臨以下問題：

1)傳統目標檢測算法通過滑窗遍歷的方式整幅圖像來檢索目標，既影響了檢測效率，又影響了檢測準確度，在現有硬件處理基礎上，難以保證實時性；

2)網絡訓練消耗過大，模型訓練代價過高；

3)受cpu硬件條件限制，無法在有限資源條件下充分發揮算法優勢，計算資源分配不合理，造成計算效率低下。

發明內容

針對基于無人機視頻圖像特點和國內現有技術在無人機偵察地面目標檢測方面的缺陷，統籌算法性能和部署適應性，本發明所要解決的技術問題為如下技術問題至少之一：

1、傳統目標檢測算法滑窗遍歷整幅圖像的特征提取和準確度問題；

2、傳統深度學習算法模型較大難以在嵌入式設備中部署的問題；

3、計算資源分配不合理，計算效率低，難以進行多硬件并行計算的問題；

4、待檢測目標像素數較少，紋理不明顯，容易引起誤檢或漏檢的問題；

5、檢測過程的實時性問題。

本發明采用如下技術方案：

一種無人機偵查地面目標的輕量化自動檢測方法，所述方法包括：