[發(fā)明專利]機(jī)場場面目標(biāo)分割方法及其系統(tǒng)

有效

• 申請?zhí)枺?/td>: 202110627376.5
• 申請日: 2021-06-04
• 公開（公告）號: CN113486716B
• 公開（公告）日: 2022-06-14
• 發(fā)明（設(shè)計）人: 張翔;李晶;張健星;湯應(yīng)祺;田橪;李文靜;張志卓
• 申請（專利權(quán)）人: 電子科技大學(xué)長三角研究院（衢州）
• 主分類號: G06V20/40
• 分類號: G06V20/40;G06V10/26;G06V10/46;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 北京正華智誠專利代理事務(wù)所(普通合伙) 11870
• 代理人: 何凡

1.一種機(jī)場場面目標(biāo)分割方法，其特征在于，所述機(jī)場場面目標(biāo)分割方法包括：

S1：對機(jī)場場面監(jiān)控圖像進(jìn)行多尺度特征提取；

S2：根據(jù)所述多尺度特征，得到位置空間注意力模型圖；

S3：對所述空間注意力模型圖進(jìn)行解碼操作，得到機(jī)場場面監(jiān)控圖像分割結(jié)果；

S4：將所述機(jī)場場面監(jiān)控圖像分割結(jié)果與所述機(jī)場場面監(jiān)控圖像進(jìn)行對比，得到對比結(jié)果；

S5：根據(jù)所述對比結(jié)果進(jìn)行損失計算，并在所述損失計算結(jié)果中挑選出最優(yōu)結(jié)果；

S6：根據(jù)所述最優(yōu)結(jié)果進(jìn)行機(jī)場場面目標(biāo)分割；所述多尺度特征包括周圍建筑監(jiān)控圖像特征、機(jī)場跑道監(jiān)控圖像特征和航站樓監(jiān)控圖像特征；通過采用dice loss進(jìn)行損失計算；

所述步驟S2包括以下分步驟：

S21：對提取到的多尺度特征進(jìn)行分層操作，得到分層結(jié)果；

S22：采用跳躍連接和卷積操作對所述分層結(jié)果進(jìn)行處理，得到處理結(jié)果；

S23：根據(jù)處理結(jié)果生成位置空間注意力模型圖。

2.根據(jù)權(quán)利要求1所述的機(jī)場場面目標(biāo)分割方法，其特征在于，所述步驟S1中，通過神經(jīng)網(wǎng)絡(luò)對機(jī)場場面監(jiān)控圖像進(jìn)行多尺度特征提取。

3.根據(jù)權(quán)利要求2所述的機(jī)場場面目標(biāo)分割方法，其特征在于，所述神經(jīng)網(wǎng)絡(luò)包括卷積層和池化層。

4.根據(jù)權(quán)利要求1所述的機(jī)場場面目標(biāo)分割方法，其特征在于，

步驟S21中，所述分層結(jié)果包括生成多層次的淺層信息和深層信息；

步驟S22中，所述跳躍連接包括每一層的淺層信息直接跳躍至解碼模塊，以及每一層的淺層信息跳躍至下一層淺層信息的末端，并與下一個淺層信息進(jìn)行卷積操作。

5.根據(jù)權(quán)利要求1所述的機(jī)場場面目標(biāo)分割方法，其特征在于，所述步驟S3中，通過以下解碼模型對所述空間注意力模型圖進(jìn)行解碼操作：

Dec＝De₃(De₂(De₁(fea_map)))

其中，De_j(x)表示第j個轉(zhuǎn)置卷積層，fea_map表示輸入的特征圖，R表示ReLU模型，k表示卷積核的個數(shù)和大小，up()表示上采樣模型，Dec表示整個解碼模塊，h和w分別表示卷積核的長和寬，De₁表示第1層解碼，De₂表示第2層解碼，De₃表示第3層解碼。

6.根據(jù)權(quán)利要求1所述的機(jī)場場面目標(biāo)分割方法，其特征在于，所述步驟S3和步驟S4之間還包括：

對所述分割結(jié)果進(jìn)行特征提取和分類。

7.一種采用上述權(quán)利要求1-6中所述的機(jī)場場面目標(biāo)分割方法的分割系統(tǒng)，其特征在于，所述分割系統(tǒng)包括：

編碼模塊，所述編碼模塊用于對所述機(jī)場場面監(jiān)控圖像進(jìn)行多尺度特征提取，并根據(jù)所述多尺度特征，得到位置空間注意力模型；

解碼模塊，所述解碼模塊用于對所述空間注意力模型圖進(jìn)行解碼操作，以得到機(jī)場場面監(jiān)控圖像分割結(jié)果；以及

FG模塊，所述FG模塊用于對所述分割結(jié)果進(jìn)行特征提取和分類，以與所述機(jī)場場面監(jiān)控圖像進(jìn)行對比。