[发明专利]一种基于滑窗的大尺寸图像中小目标识别方法

权利要求书

1.一种基于滑窗的大尺寸图像中小目标识别方法，其特征在于，包括如下步骤：

滑窗设置、根据待检测的原始图像及深度神经网络的输入要求，设置滑窗规格与滑窗步长；

图像分割、基于设置好的滑窗分割原始图像，记录各个滑窗编号、坐标以及分割得到的区域图像；

目标识别、设置深度神经网络参数，将各个滑窗分割得到的区域图像依次输入深度神经网络，对各滑窗区域图像进行目标检测识别，并记录每个目标的识别结果；

结果处理及反馈、对各滑窗区域图像识别结果进行解析，输出最终识别结果。

2.根据权利要求1所述的方法，其特征在于：所述滑窗设置步骤中，设置滑窗规格时，滑窗规格等于深度神经网络最大输入图像尺寸，或等于深度神经网络最大输入图像尺寸乘原始图像的目标像素可压缩倍率。

3.根据权利要求2所述的方法，其特征在于：所述滑窗设置步骤中，设置滑窗步长时，基于聚类计算法确定原始图像中目标尺度，滑窗步长设置规则包括：

Strides≤MW-K_max

其中，Strides表示滑窗步长，MW为滑窗宽度和高度中的较小值，K_max为聚类计算法得到的目标尺度最大值。

4.根据权利要求1所述的方法，其特征在于：所述图像分割步骤中，基于设置好的滑窗分割原始图像时，采用边界保护措施，当距边界剩余区域不足以支持一个滑窗时，以边界为终边，反向选取一个滑窗。

5.根据权利要求4所述的方法，其特征在于：所述目标识别步骤中，每个目标的识别结果包括滑窗编号、目标标签、识别结果置信度值和目标滑窗内坐标。

6.根据权利要求5所述的方法，其特征在于：所述结果处理及反馈步骤中，对各滑窗区域图像识别结果进行解析，包括将每个目标的目标滑窗内坐标转换为原始图像坐标。

7.根据权利要求6所述的方法，其特征在于：所述结果处理及反馈步骤中，对各滑窗区域图像识别结果进行解析，还包括结合每个目标的目标标签、识别结果置信度值和目标滑窗内坐标进行非极大值抑制操作。

8.根据权利要求7所述的方法，其特征在于：所述结果处理及反馈步骤中，进行非极大值抑制操作包括：

将一滑窗区域图像检测识别得到的各目标分类；

将同一类目标按照识别结果置信度从大到小进行排序，按照排序每两个目标之间均进行一次IOU计算，IOU计算公式为：

其中，A、B分别为检测识别得到的两个目标区域框；

根据IOU值进行判断，若IOU值超出设定的阈值，则进行非极大值抑制。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。