[發明專利]一種針對旋翼無人機防控的雙階段關鍵部位識別方法在審

申請號：	202210740974.8	申請日：	2022-06-27
公開（公告）號：	CN115019064A	公開（公告）日：	2022-09-06
發明（設計）人：	顏露新;徐昆侖;鄒旭;徐文輝;鐘勝	申請（專利權）人：	華中科技大學;深圳華中科技大學研究院
主分類號：	G06V10/46	分類號：	G06V10/46;G06V10/25;G06V10/764;G06V10/774;G06V10/82;G06N3/04;G06N3/08;G06F16/58
代理公司：	華中科技大學專利中心 42201	代理人：	彭軍芬
地址：	430074 湖北***	國省代碼：	湖北;42
權利要求書：	查看更多	說明書：	查看更多
摘要：
搜索關鍵詞：	一種針對無人機階段關鍵部位識別方法
鉆瓜網技術展會專利詞庫專利權人專利榜在售專利公布日期熱門專利

【權利要求書】：

1.一種針對旋翼無人機防控的雙階段關鍵部位識別方法，其特征在于，包括：

S1.構建數據庫；

對收集的無人機圖像中無人機邊框和關鍵部位中心點進行標注；

關鍵部位中心點標記內容包括坐標和類別；關鍵部位中心點所屬類別包括電機、機臂和電池；

S2.離線訓練；

構建旋翼無人機邊框檢測網絡，并利用無人機圖像和無人機邊框標注信息對其進行訓練，得到旋翼無人機邊框檢測模型；

構建基于熱力圖回歸的關鍵部位中心點檢測網絡，并利用無人機圖像、無人機邊框標注信息和關鍵部位中心點標注信息對其進行訓練，得到關鍵部位中心點檢測模型；

S3.在線識別；

采集待識別的無人機圖像，輸入至旋翼無人機邊框檢測模型，得到旋翼無人機邊框，將邊框內的區域作為關鍵部位識別的目標區域；

將所述目標區域縮放至固定尺寸后，輸入關鍵部位中心點檢測模型，得到關鍵部位中心點熱力圖，對所述熱力圖進行后處理得到關鍵部位中心點所處的位置和類別。

2.根據1所述的一種針對旋翼無人機防控的雙階段關鍵部位識別方法，其特征在于，所述旋翼無人機邊框檢測網絡在YOLO v4目標檢測網絡的基礎上，采用Res50作為骨干網絡，采用SPP和PAN作為特征融合模塊，采用YOLO head作為網絡的檢測頭；其中YOLO head的檢測類別數設置為1。

3.根據權利要求1所述的一種針對旋翼無人機防控的雙階段關鍵部位識別方法，其特征在于，基于熱力圖回歸的關鍵部位中心點檢測網絡采用Res18和反卷積網絡作為特征提取網絡，采用1×1卷積作為檢測頭；其中反卷積網絡包含3個反卷積模塊，每個反卷積模塊由ConvTransposed2d、ReLU、BatchNorm組成。

4.根據權利要求1-3任一項所述的一種針對旋翼無人機防控的雙階段關鍵部位識別方法，其特征在于，訓練關鍵部位中心點檢測網絡過程中，執行以下數據預處理：

對無人機圖像進行隨機左右翻轉；

對無人機邊框進行數據增強：將旋翼無人機邊框繞邊框中心隨機旋轉，旋轉角度范圍為[-45°，45°]、對旋翼無人機邊框分別沿橫向和縱向進行隨機平移，平移范圍分別為[-w*0.2，w*0.2]和[-h*0.2，h*0.2]，其中w、h分別表示邊框的寬度和高度，以及對旋翼無人機邊框進行隨機縮放，其中縮放比率范圍為[0.7-1.3]；

將數據增強后邊框內的無人機區域，縮放至256*256分辨率。

5.根據權利要求4所述的一種針對旋翼無人機防控的雙階段關鍵部位識別方法，其特征在于，訓練關鍵部位中心點檢測網絡過程中，通過如下過程獲取網絡監督的標簽圖：

計算每個關鍵部位中心點在輸入圖像上的坐標；

對于每一個中心點坐標(x₀，y₀)，按照公式(1)生成大小的標簽圖，其中D為特征提取模塊的下采樣率；

對同一部位類型的標簽圖按照公式(2)求和，分別得到三類關鍵部位用于網絡監督的標簽圖；

f₁(x，y)+f₂(x，y)＝max{f₁(x，y)，f₂(x，y)} (2)

f₁(x，y)，f₂(x，y)表示不同的標簽圖，(x，y)為標簽圖上的坐標。

6.根據權利要求5所述的一種針對旋翼無人機防控的雙階段關鍵部位識別方法，其特征在于，訓練關鍵部位中心點檢測網絡采用的損失函數為：

D表示網絡下采樣率，i表示行數，j表示列數，k表示通道數，x(i，j，k)表示網絡輸出值，y(i，j，k)表示標簽值。

7.根據權利要求6所述的一種針對旋翼無人機防控的雙階段關鍵部位識別方法，其特征在于，后處理過程具體為：

將關鍵部位中心點檢測網絡的輸出通過公式轉化為概率，得到概率圖其中和分別為概率圖的長度和寬度，3為概率圖的通道數；

在每個通道上對概率圖進行鄰域抑制處理：若一個點的概率值比8鄰域其余點的概率值大，則保持其概率值不變，否則將其概率值賦為0；