[发明专利]一种基于无人机的目标检测识别方法及系统在审
申请号: | 201911014771.5 | 申请日: | 2019-10-24 |
公开(公告)号: | CN110765948A | 公开(公告)日: | 2020-02-07 |
发明(设计)人: | 刘湘辉 | 申请(专利权)人: | 长沙品先信息技术有限公司;长沙军民先进技术研究有限公司 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/46;G06K9/62;G06N3/04;G06N3/08 |
代理公司: | 43220 长沙市护航专利代理事务所(特殊普通合伙) | 代理人: | 邓翠;谢新苗 |
地址: | 410100 湖南省长沙市高新开发*** | 国省代码: | 湖南;43 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 潜在区域 目标类型 去除 目标检测识别 图像增强算法 显著性分析 处理图像 环境因素 环境影响 局部组件 类别信息 目标监视 目标检测 目标识别 目标图像 区域提供 搜索结果 图像候选 图像目标 图像识别 检测 辨识 算法 图像 跟踪 清晰 挖掘 分析 图片 | ||
本发明公开了一种基于无人机的目标检测识别方法及系统,包括步骤:S1、选定待检测目标图像;S2、环境影响去除:通过图像增强算法去除环境因素对图片清晰度的影响;S3、图像目标性分析:通过在超出类别信息的层面上进行是否为目标的判断,并将选定的少量图像候选区域提供给后续的识别算法;S4、图像显著性分析:通过获得的较为显著的区域来选择性的处理图像相关区域,从而更好地确定目标的潜在区域;S5、目标检测:根据目标的潜在区域的搜索结果,对目标潜在区域中是否真实含有目标进行检测和确认;S6、目标识别:通过挖掘出具有较强目标类型辨识能力的目标局部组件进行目标类型的识别。本发明具有图像识别清晰、目标监视跟踪精准的优点。
技术领域
本发明属于计算机视觉和人工智能技术领域,具体涉及一种基于无人机的目标检测识别方法及系统。
背景技术
无人机是一种能够自主规划、自主飞行,并且可以采用自主方式或人工干预的方式完成环境信息感知、目标探测等各项任务的无人操作空中装备,它主要应用于执行危险以及不适于有人船只执行的任务。一旦配备先进的控制系统、传感器系统和通信系统,可广泛应用于多种民用领域,如交通监控、资源勘探和测绘、环境监控和公安系统监控等,在适当安装其它传感器甚至武器系统后,可以执行多种战争和非战争军事任务,如反恐、目标监视、军情侦察、电子信息战和通讯中继等。
目前,自动目标检测识别技术是无人机系统研制所面临的主要技术挑战之一。自动目标检测识别技术目标一是解决无人机在自主飞行过程中对周围各类地面目标的检测,保障地面避障和自主飞行的可靠性,二是针对具体应用,探测和发现异常目标,并实现对其的监视和跟踪。
因此,如何把目标检测识别技术更好地应用在无人机领域成了本领域技术人员亟需解决的技术问题。
发明内容
本发明的目的在于避免现有技术中的不足而提供一种基于无人机的目标检测识别方法及系统,使其图像识别清晰,便于实现对检测目标的监视和跟踪。
本发明的目的通过以下技术方案实现:提供一种基于无人机的目标检测识别方法,包括如下步骤:
S1、选定待检测目标图像;
S2、环境影响去除:通过图像增强算法去除环境因素对图片清晰度的影响;
S3、图像目标性分析:通过在超出类别信息的层面上进行是否为目标的判断,并将选定的少量图像候选区域提供给后续的识别算法;
S4、图像显著性分析:通过获得的较为显著的区域来选择性的处理图像相关区域,从而更好地确定目标的潜在区域;
S5、目标检测:根据目标的潜在区域的搜索结果,进行更加精确的目标检测过程;
S6、目标识别:用于在目标确认后进行目标类型的识别。
作为进一步的改进,所述步骤S2中,对于通过无人机拍摄的待检测目标的单帧图像基于Retinex算法进行图像增强处理,具体步骤如下:
A)建立Retinex算法模型:
S(x,y)=R(x,y)L(x,y) (1)
其中,S(x,y)表示观测到的图像,R(x,y)表示物体反射分量,L(x,y)表示入射亮度分量;
B)通过如下公式,计算入射亮度分量L(x,y):
L(x,y)=S(x,y)*G(x,y) (2)
式中,*表示卷积操作,G(x,y)表示高斯函数,其表达式为:
G(x,y)=k·exp(-x2+y2σ2) (3)
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于长沙品先信息技术有限公司;长沙军民先进技术研究有限公司,未经长沙品先信息技术有限公司;长沙军民先进技术研究有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201911014771.5/2.html,转载请声明来源钻瓜专利网。