[发明专利]一种无人机目标识别方法

权利要求书

1.一种无人机目标识别方法，其特征在于，包括：数据增强步骤、特征提取步骤和目标检测步骤；

所述数据增强步骤包括：对获取的待识别无人机目标的原始图像进行数据增强处理，得到增强数据；

所述特征提取步骤包括：对所述增强数据进行卷积运算提取用于所述待识别无人机目标分类和定位的图像特征；

所述目标检测步骤包括：通过神经网络对图像中的所述待识别无人机目标进行类别和位置信息编码，并对所述类别和位置信息进行解码确定所述原始图像中的所述待识别无人机目标的检测结果。

2.根据权利要求1所述的识别方法，其特征在于，所述方法之前包括：建立无人机数据集，并采用基于距离的K-means聚类算法，采用距离作为相似性的评价指标计算先验框。

3.根据权利要求1或2所述的识别方法，其特征在于，所述对获取的待识别无人机目标的原始图像进行数据增强处理包括：

对所述待识别无人机目标的原始图像进行随机模糊和/或运动模糊处理处理。

4.根据权利要求1或2所述的识别方法，其特征在于，对所述增强数据进行卷积运算提取用于所述待识别无人机目标分类和定位的图像特征包括：

对所述增强数据依次进行第一卷积处理、第二卷积处理和第三卷积处理，分别提取第一检测特征图、第二检测特征图和第三检测特征图，并对获得的第一检测特征图、第二检测特征图和第三检测特征图进行融合；将融合后的特征作为用于所述待识别无人机目标分类和定位的图像特征。

5.根据权利要求2所述的识别方法，其特征在于，建立无人机数据集，并采用基于距离的K-means聚类算法，采用距离作为相似性的评价指标计算先验框包括：

采集不同型号的无人机的图像数据，建立各个飞行场景、各个飞行姿态下分类的无人机数据集；

采用基于距离的K-means聚类算法，采用距离作为相似性的评价指标，使先验框和真实框的交集和并集的比值IOU最大，K-means聚类的距离d表示公式如下：

d＝1-IOU。

6.根据权利要求1或2所述的识别方法，其特征在于，还包括：计算所述神经网络的损失函数：L_total＝λ₁L_loc+λ₂L_conf+λ₃L_cla；

其中，L_loc为目标定位偏移量损失；

L_conf为目标置信度损失；

L_cla为目标分类损失；

其中，偏移量损失采用的是误差的平方和，分类损失采用的是二值交叉熵，λ₁、λ₂、λ₃是平衡系数。

7.根据权利要求2或5所述的识别方法，其特征在于，建立无人机数据集时，对所述无人机数据集进行随机模糊和/或运动模糊处理处理。

8.根据权利要求7所述的识别方法，其特征在于，对所述无人机数据集进行随机模糊处理包括：

采用高斯点扩散函数对所述无人机数据集中的每张图片进行模糊处理：其中，光学系统成像公式如下：

g(x,y)＝∫∫f(ξ,η)h(x-ξ,y-η)dξdη＝f(x,y)*h(x,y)

其中，f(*,*)表示图像原像，h(*,*)表示点扩散函数，ζ，η是图像在x，y的偏移量；

高斯离焦模糊模型公式如下：

式中，σ为高斯离焦模型的参数。

9.根据权利要求7所述的识别方法，其特征在于，对所述无人机数据集进行运动模糊处理包括：

运动模糊图像的成像公式如下所示：

其中，v_x为图像在x方向上的平移速度，v_y为在y方向上的平移速度，T为快门打开时间，即产生模糊图像的时间，n(x,y)为加性噪声。

10.根据权利要求8所述的识别方法，其特征在于，通过改变σ，模拟不同程度的离焦模糊。