[发明专利]一种基于多尺度特征融合的山体滑坡检测方法

说明书

本发明公开了一种基于多尺度特征融合的山体滑坡检测方法，涉及目标检测技术领域。首先将拍摄得到的图像实时发给加入了聚焦模块的VGGNet‑19模型进行处理和分析，使用卷积层自底向上提取深度特征，并将深度特征按层次进行自顶向下的特征融合。然后在原始的输入图像上做选择性搜索，生成若干个可能包含目标区域的候选框；根据原始图像的尺寸、候选框的尺寸、特征融合后各个特征图的尺寸，计算每个候选框分别在三个特征图上的映射大小；把所有映射得到的特征图的尺寸统一并经过各全连接层，调整候选框的位置和尺寸；最后得到初步的检测结果分别在原始图像上做非极大值抑制，得到最终的检测结果。本发明可以检测到尺寸不同的泥石流现象，大大加快检测速度。

技术领域

本发明涉及目标检测技术领域，尤其是一种基于多尺度特征融合的山体滑坡检测方法。

背景技术

我国铁路交通正处在快速发展的黄金时期，铁路线漫长，一条铁轨往往会穿越不同的地形地貌以及河流湖泊，保障铁路线及其周边设施的安全就成为重中之重。每到夏季，降水量较多，尤其是突降暴雨和大暴雨的时候，在山地和丘陵地区极易发生山体滑坡。因此，有必要对铁路沿线的山地和丘陵进行监视，对出现的山体滑坡现象进行报警。

过去传统的方法是采用人工监测，但这种方法会大大增加人力和物力成本，且在人迹罕至的偏远山区难以实现。目前，已有借助无人机航拍的辅助手段，但无人机载重较少，巡航时间较短，且对天气的要求较高，无法有效实现临近空间的检测。

临近空间，是指距地面20～100公里的空域。临近空间以大气的水平运动为主，几乎没有对流现象，也没有天气现象，温度几乎不变，湿度接近于零，更不会受到飞鸟撞机之类的威胁。因此，临近空间是一个绝佳的部署飞艇等临近空间飞行器的环境。

飞艇的载重量大，可携带大量的通信、拍照和摄像设备，拍摄和通信的范围广；巡航高度高，滞空时间长，成本低，性价比高；对天气的要求低。因此，飞艇可以作为山体滑坡检测的良好平台。

然而，临近空间的飞艇巡航带来的问题是拍摄的视角极广，且飞艇上的摄像头经常进行变焦，发生山体滑坡的区域占整个图像的比例往往也是不一致的。更困难的是发生山体滑坡的地形地貌也是多种多样的，山体滑坡对地形地貌的改变也是多样的。例如：在有植被覆盖的山区和没有植被覆盖的山区，发生山体滑坡前后地形地貌的变化都是不同。因此，使用颜色、纹理特征等传统特征很难检测发生山体滑坡的区域。

发明内容

本发明针对以上应用背景和技术难度，为了解决山体滑坡特征种类繁多，山体滑坡占整个图像的尺寸较小，山体滑坡尺寸不一致的问题；提出一种切实可行的在临近空间，借助飞艇等临近空间飞行器航拍，使用卷积神经网络提取深度特征，使用多尺度深度特征融合的方式进行山体滑坡多尺度检测，以增强决策能力；具体是一种基于多尺度特征融合的山体滑坡检测方法。

所述的基于多尺度特征融合的山体滑坡检测方法，具体步骤如下：

步骤一、在临近空间的飞艇或飞行器上安装摄像头，定时定点的对铁路沿线的场景进行航拍，将拍摄得到的图像实时发给加入了聚焦模块的VGGNet-19模型进行处理和分析；

改进的VGGNet-19模型是指：保留传统VGGNet-19模型的卷积层和池化层，删除全连接层，在每个池化层的后面分别引入一个聚焦模块。

所述的聚焦模块具体结构如下：

每个聚焦模块的尺寸设定为[b，c，w，h]，b表示每次训练使用的图片样本数量；c表示每个聚焦模块的通道数，w表示每个聚焦模块的宽度，h表示每个聚焦模块的高度。

当池化层的输出被输入到聚焦模块后，分为两分支，第一个分支保持池化层的输出值不变，第二个分支依次进过核尺寸为[w，h]的平均池化层，第一个全连接层，ReLU激活函数，第二个全连接层和ReLU激活函数。