[发明专利]一种基于红外热成像的车载视频微小目标检测方法

说明书

本发明公开了一种基于红外热成像的车载视频微小目标检测方法，利用车载热成像仪获取视频流；视频流的图像分为两份，一份图像根据物体的热成像生成锚框，形成候选区域；另一份图像送入卷积神经网络，与标注过物体热成像的数据集进行对比；之后两份图像组合形成特征图，特征图送至池化层与全连接层，最终在图像上形成预测框，将图像上的小目标标出；本发明通过温度感知车辆外界环境中的人和其他车辆形成视频流，并针对此种状态的视频流进行关键帧图片的数据集提取并进行深度学习，可以实现对150m左右的小目标进行高精度识别，同时对识别算法进行了优化，提高了运行速度和是识别的准确度。

技术领域

本发明涉及一种基于红外热成像的车载视频微小目标检测方法。

背景技术

随着科技的进步，自动驾驶技术成为未来车辆必备的安全辅助功能；自动驾驶技术依赖于雷达以及视频监测对物体的识别；而现有大部分车辆安装的雷达只适用于近处障碍物的检测，普通的视频监测又严重于依赖外界光照条件。

发明内容

针对上述存在的技术问题，本发明的目的是：提出了一种基于红外热成像的车载视频微小目标检测方法。

本发明的技术解决方案是这样实现的：一种基于红外热成像的车载视频微小目标检测方法，利用车载热成像仪获取视频流；视频流的图像分为两份，一份图像根据物体的热成像生成锚框，形成候选区域；另一份图像送入卷积神经网络，与标注过物体热成像的数据集进行对比；之后两份图像组合形成特征图，特征图送至池化层与全连接层，最终在图像上形成预测框，将图像上的小目标标出。

由于上述技术方案的运用，本发明与现有技术相比具有下列优点：

本发明首次提出将红外热成像技术应用于复杂交通环境中的目标检测，通过温度感知车辆外界环境中的人和其他车辆形成视频流，并针对此种状态的视频流进行关键帧图片的数据集提取并进行深度学习，可以实现对150m左右的小目标进行高精度识别，同时对识别算法进行了优化，提高了运行速度和是识别的准确度。

附图说明

下面结合附图对本发明技术方案作进一步说明：

附图1为本发明所述的一种基于红外热成像的车载视频微小目标检测方法的原理图；

附图2为本检测方法在某一环境下的一个状态的实景图；

附图3为本检测方法在某一环境下的另一个状态的实景图;

附图4为光学热成像电路图。

具体实施方式

下面结合附图来说明本发明。

如附图1-4所示，本发明所述的一种基于红外热成像的车载视频微小目标检测方法，利用车载热成像仪获取视频流；视频流的图像分为两份，一份图像根据物体的热成像生成锚框，形成候选区域；另一份图像送入卷积神经网络，与标注过物体热成像的数据集进行对比；之后两份图像组合形成特征图，特征图送至池化层与全连接层，最终在图像上形成预测框，将图像上的小目标标出。

本方案中采用YOLOV3算法来实现复杂交通环境中的目标检测，通过温度感知车辆外界环境中的人和其他车辆形成视频流，针对此种状态的视频流进行关键帧图片的数据集提取并进行深度学习，并且为了提高识别率，还需要在不同的光照条件和远距离上进行特定的学习。

上述实施例只为说明本发明的技术构思及特点，其目的在于让熟悉此项技术的人士能够了解本发明的内容并加以实施，并不能以此限制本发明的保护范围，凡根据本发明精神实质所作的等效变化或修饰，都应涵盖在本发明的保护范围内。