[发明专利]基于自动标注的红外图像识别方法

权利要求书

1.一种基于自动标注的红外图像识别方法，包括如下步骤：

(1)对可见光摄像头和红外摄像头进行图像采集与成像设备校准；

(2)针对可见光摄像头获得的源域图像处理，建立源域图像目标检测模型，得到源域有标签数据：2a)根据已有大量的源域图像目标数据集，选择合适的深度学习算法框架和网络模型；2b)基于深度学习，根据源域图像目标数据集训练得到源域图像目标检测模型；2c)在已得到源域图像目标检测模型中输入源域无标签图像，得到含标注数据的源域有标签图像；

(3)图像特征匹配，获得源域图像和红外摄像头采集的目标域图像映射关系：3a)将目标域图像加以剪裁缩放至源域图像大小，得到宽高相同的图像区域；3b)对图像进行边缘提取，保存其中的角点信息，比较两图中的角点信息并一一匹配；3c)利用相同物体特征点间距的比值不变性，计算出源域图像中与目标域图像相匹配的部分，作出源域图像中所有匹配点的外接矩形S，将S扩展后即可得到目标域图像中与源域图像相匹配的区域；

(4)根据步骤(2)获得的源域有标签数据和步骤(3)获得的映射关系进行自动标注，得到目标域有标签图像；

(5)进行目标域目标检测模型学习。

2.根据权利要求1所述的方法，其特征在于，步骤(1)包括如下步骤：

1a)使用常用的相机针孔模型，得到不同相机成像与物理空间的投影参数关系；

1b)多次从不同角度拍摄黑白相间棋盘格，读取其格点坐标；

1c)利用网格大小不变性进行相机内、外参数和畸变系数标定；

1d)通过多参数非线性系统优化问题的Levenberg-Marquardt算法进行最大似然优化以获得最佳解；

1e)校正透镜畸变效应，得到目标原有的外形信息。

3.根据权利要求1所述的方法，其特征在于，步骤(4)包括如下步骤：

4a)将步骤(3)得到的已匹配的目标域无标签图像，步骤(2)得到的源域有标签图像输入到自动标注网络；

4b)利用步骤(3)得到的映射关系对目标域无标签图像进行标注，得到目标域图像目标数据集。

4.根据权利要求1所述的方法，其特征在于，所述步骤(5)包括如下步骤：

5a)根据步骤(4)得到的目标域目标数据集，选择合适的深度学习算法框架和网络模型；

5b)利用深度学习，根据目标域图像目标数据集训练得到目标域图像目标检测模型。