[發明專利]一種跨域紅外目標檢測方法

在審

• 申請號: 202110474134.7
• 申請日: 2021-04-29
• 公開（公告）號: CN113158943A
• 公開（公告）日: 2021-07-23
• 發明（設計）人: 顏成鋼;路統宇;戴振宇;孫垚棋;張繼勇;李宗鵬;張勇東
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06K9/46;G06N3/04;G06N3/08
• 代理公司: 杭州君度專利代理事務所(特殊普通合伙) 33240
• 代理人: 朱月芬

本發明公開一種跨域紅外目標檢測方法，首先獲取有標簽的源域數據和含少量標簽以及沒有標簽的目標域數據：然后利用含有標簽的源域數據訓練Mask R?CNN?1網絡：利用源域數據和目標域數據對一個新的Mask R?CNN?2做域適應訓練：最后將待進行目標檢測的紅外圖像輸入中訓練好的Mask R?CNN?2網絡，最終實現目標檢測功能。本發明方法利用域適應技術，解決了目標域數據標簽不足情況下網絡訓練效果較差的問題，提高了目標檢測的準確度；補充了僅在特征層面進行域適應任務的不足，使用了Mask R?CNN網絡，在目標檢測的基礎上更進一步，實現了像素級目標檢測。

技術領域

本發明屬于計算機視覺和模式識別技術領域，涉及一種跨域紅外目標檢測方法，具體涉及一種基于特征圖和CAM圖層面的半監督跨域的紅外目標檢測方法，可以在特征圖層面和CAM圖層面對源域和目標域進行對齊，以解決目標域訓練集標簽較少的問題，即利用源域數據對以目標域為目標的網絡訓練任務進行輔助，在目標域數據標簽較少的情況下實現紅外圖像目標檢測的網絡訓練和實現。

背景技術

由于人眼能夠感知的光線波長范圍在0.43μm到0.79μm之間，在此范圍之外的光線就需要借助專業探測器進行探測。紅外線是波長介于750nm到1mm之間的電磁波，紅外成像即是通過接受物體自身產生的紅外輻射，并通過傳感器轉換為紅外圖像，其具有探測距離遠，隱蔽性高，可以晝夜工作等突出特性，不僅延伸了人類的視覺系統，而且能夠極大地彌補可見光成像受環境影響制約的不足，在目標檢測領域具有十分重要的地位，被廣泛地應用在民用以及軍用場景下。例如在火車站、機場、商場等民眾聚集場所以及戰場環境下通常要求能夠及時準確地對目標進行識別和探測，相比于可見光成像，紅外成像能夠在繁雜的視場中為目標的檢測提供很好的補充效果。

傳統的紅外目標檢測算法是人工設計目標模板，對目標進行模板匹配，根據比較后的相似度來確定目標的位置，主要的檢測方法有梯度直方圖算法、尺度不變特征檢測算法及哈爾特征算法等，雖然多年來許多學者對模板進行改進，但由于模板的設計要求設計人員具有較高的專業知識和經驗，并且應用場景較為單一，對于復雜的場景不具有好的魯棒性。近年來隨著深度神經網絡的發展，許多學者提出了不同的目標檢測算法，其基本原理是通過卷積操作來對圖像的特征進行抽象和提取，例如RCNN算法、Fast R-CNN算法以及Mask R-CNN算法等，這類基于深度神經網絡的目標檢測方法已成為計算機視覺研究的熱門，在目標檢測領域具有較好的性能。

然而現有的目標檢測方法例如Fast R-CNN和Mask R-CNN均是全監督的目標檢測算法，其需要大量有標注的訓練數據，在有標注的訓練數據較少的情況下往往會出現過擬合現象，降低網絡的最終性能；同時，與可見光圖像相比，紅外圖像的標注成本較高，有標簽的紅外圖像數據集較少，且紅外圖像的對比度較低，細節信息有所缺失，與可見光圖像的域間差距較大，如果直接用可見光圖像訓練好的網絡來對紅外圖像進行目標檢測通常達不到很好的效果。域適應技術作為減小域間差異的方法，可以將標簽豐富的源域數據作為輔助，來對網絡提取到的目標域特征進行約束，使其特征分布接近源域數據的特征分布，以此來達到提高檢測精度的目的。

發明內容

針對現有技術中存在的不足，本發明提出了一種跨域紅外目標檢測方法。

本發明方法是基于特征圖和CAM(Class Activation Map)圖層面半監督跨域的紅外目標檢測方法。

一種跨域紅外目標檢測方法，步驟如下：

步驟1，獲取有標簽的源域數據和含少量標簽以及沒有標簽的目標域數據：