[发明专利]基于自动标注的红外图像识别方法

说明书

本发明公开了一种基于自动标注的红外图像识别方法，主要针对现有方法在有标签红外图像数据很少时红外图像识别正确率较低和图像标签获取困难的问题，包括如下步骤：图像采集与成像设备校准；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；图像特征提取，得到映射关系；自动标注，得到目标域有标签图像；目标检测模型建立。本发明方法可利用已有其他资源建立目标域目标检测模型，可有效提高红外图像目标识别正确率，具有无需重新搜集数据的优点，可用于红外图像的目标识别。

技术领域

本申请涉及深度学习领域，图像处理技术领域，具体涉及一种基于自动标注的红外图像目标识别方法，可用于红外图像的目标识别。

背景技术

红外和可见光是常见的多模态图像。可见光图像信息包含探测目标色彩、纹理等丰富细节，但是其数据采集易受复杂气象和光线条件影响；而远红外热像主要由探测目标的表面温度和发射率决定，受外界环境条件干扰相对较小。二者的融合可用于目标识别、目标检测等领域。

大多数目标探测的可见光探测模型相对比较成熟。目前，已有大量基于特征提取和通道聚合的传统识别模型，大量的可见光目标数据集可供深度学习模型训练，而远红外热像的训练数据集相对较少。

大量的训练数据是提升深度学习模型的分类或预测准确性的必要因素。

基于传统的机器学习方法的目标识别，要求训练数据和测试数据独立同分布，因此存在如下困难：

1.当有标签的图像数据很少时，识别准确率低。

2.如果要提高识别正确率，图像及其标签的获取和收集不仅困难而且花费昂贵。

3.不能够利用其他可用资源来提高识别正确率。

发明内容

本发明的目的在于克服上述红外图像识别存在的困难，引入自动标注，

提出了一种基于自动标注的红外图像目标识别方法，解决现有方法对有标签红外图像数据很少时识别正确率较低和图像标签获取困难的问题。

为实现上述目的，本发明的基于自动标注的红外图像目标识别方法，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.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；

3.图像特征提取，得到源域图像和目标域图像映射关系；

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。

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。

步骤2包括如下步骤：

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。