[发明专利]一种基于深度学习的目标识别方法

说明书

一种基于深度学习的目标识别方法，包括如下步骤：通过高精度成像系统获取活动场景的光谱图像；提取所述光谱图像的光谱信息，并导入至所述成像系统的光谱信息数据库进行数据匹配；若所述光谱信息数据库中匹配到对应的光谱信息，所述主控芯片自动定位出所述光谱信息在光谱图像中的位置坐标，并根据所述位置坐标，所述主控芯片控制所述成像系统进行活动场景的全方位摄像扫描，获得红外图像和光谱图像，并进行图像融合处理；最后，将所述融合后的图像进行非均匀校正；本发明方法简单易操作，采用FPGA作为成像系统的主控芯片，算法精确，能够较快速对待识别目标进行实时识别，适于在公共场合中普及使用。

技术领域

本发明涉及基于目标识别的安防技术领域，尤其涉及一种基于深度学习的目标识别方法。

背景技术

现有的公共场合多应用闭路视频监控系统对待识别目标进行事后监控，如对丢失儿童的找寻、嫌疑犯的识别，而缺乏对待识别目标的实时识别、定位与跟踪；目前，高光谱相机作为图像识别的主流技术之一，已存有将高光谱相机应用于公共场合配合闭路视频监控系统进行目标识别，然而，基于高光谱相机成像的图像清晰度不高，凸显程度一致，可识别性不强，容易造成系统误判，无法快速准确对待识别目标进行实时识别，也不能较为准确地对待识别目标进行实时定位与跟踪。

发明内容

本发明的目的是提供一种基于深度学习的目标识别方法，用于解决现有技术中存在的高光谱相机进行公共场合实时目标识别时图像清晰度不高、凸显程度一致，导致无法快速准确对待识别目标进行实时识别的技术问题。

本发明采用的技术方案如下：

一种基于深度学习的目标识别方法，所述方法包括如下步骤：

步骤1：通过高精度成像系统获取活动场景的光谱图像；

步骤2：提取所述光谱图像的光谱信息，将所述光谱信息导入至所述成像系统的光谱信息数据库进行数据匹配，完成初步信息筛选；

步骤3：若所述光谱信息匹配失败，则所述成像系统中的主控芯片控制进行下一帧活动场景光谱图像的获取；

步骤4：若所述光谱信息数据库中匹配到对应的光谱信息，所述主控芯片自动定位出所述光谱信息在光谱图像中的位置坐标，并根据所述位置坐标，所述主控芯片控制所述成像系统进行活动场景的全方位摄像扫描，获得红外图像和光谱图像，并进行图像融合处理；

步骤5：将融合处理后的图像进行非均匀校正。

优选地，所述成像系统包括高光谱成像仪、焦平面相机和红外相机；所述红外相机数量为2个以上，且所述焦平面相机与红外相机集成在高光谱成像仪中，并分别与所述主控芯片通信连接，所述主控芯片包括FPGA，所述光谱信息在FPGA的内部RAM中进行数据匹配。

优选地，在所述步骤1中获取活动场景光谱图像时，所述主控芯片控制所述红外相机处于未激活状态。

优选地，所述步骤4具体包括：

所述主控芯片自动定位出所述光谱信息在光谱图像中的位置坐标后，确定出已匹配成功的所述光谱信息的中心位置，计算出所述成像系统的成像标板与水平方向的夹角，并确定出所述成像标板与所述成像系统中的摄像模组之间的偏转角度，所述主控芯片控制所述红外相机以及所述高光谱成像仪沿着所述偏转角度进行分辨率扫描，完成活动场景的全方位摄像扫描。

在所述红外相机以及所述高光谱成像仪沿着所述偏转角度进行分辨率扫描时，所述主控芯片通过对红外视场内的光谱信息识别区域以及光谱视场内的光谱信息识别区域进行运动检测，确定其运动轨迹，并完成两个运动轨迹的拟合，选取尺度变换矩阵，使用该矩阵生成待融合的红外图像以及高光谱图像。