[发明专利]一种基于卷积神经网络的远场无线充电接收目标检测方法

权利要求书

1.一种基于卷积神经网络的远场无线充电接收目标检测方法，其特征在于，包括以下步骤：

步骤1：建立手机数据集，并将手机数据集输入经过设计的深度卷积神经网络进行训练，得到用于检测手机目标的训练完成的深度卷积神经网络；

步骤2：将训练完成的深度卷积神经网络嵌入于远场无线充电系统中；

步骤3：将摄像头拍摄的画面输入训练完成的深度卷积神经网络，获取多个手机目标可能存在的位置；

步骤4：对获取到的位置进行激光扫描，判定定位结果是否准确；

所述步骤1中的深度卷积神经网络的模型框架内包括RPN层、RoIAlign层、Lossfunction层和ResNet101+FPN层，所述RPN层的输入为特征图Feature Maps，输出为类别数k个Anchor boxes的变换矩形参数以及目标得分，所述变换矩形参数包括矩形中心坐标(x，y)以及矩形长h和宽w，其中k为自然数；

所述步骤1的数据集包括训练集和测试集，所述训练集和所述测试集均包括随机的不同姿态不同场景不同型号条件下各自相互组合下的图片，所述图片的数量为2000张，所述训练集的图片数量为1200张，所述测试集的图片数量为800张，所述不同场景包括教室、办公室和宿舍，所述不同型号为包含Iphone与安卓的8款手机型号，所述图片均还通过Labelme工具设置有位置标签。

2.根据权利要求1所述的一种基于卷积神经网络的远场无线充电接收目标检测方法，其特征在于，所述Lossfunction层包括多任务损失函数，其具体公式为：

L＝L_cls+L_box+L_mask

式中，L为多任务损失函数，L_cls为分类误差，L_box为检测误差，L_mask为分割误差。

3.根据权利要求1所述的一种基于卷积神经网络的远场无线充电接收目标检测方法，所述步骤1的深度卷积神经网络的运行速率为5fps，其准确率大于等于60％。