[发明专利]一种轻量化的无人机图像小目标检测方法

说明书

本发明提供了一种轻量化的无人机图像小目标检测方法，属于无人机图像处理技术领域。本发明对输入的待测无人机图像视频按时序对每一帧图像进行处理，包括：将图像缩放后输入Revised MobileNetV2特征提取器，输出特征图；特征图输入同步上采样和检测模块，获得目标中心点位置和对应尺度，得到帧内所有预测目标边界框；对待测视频的所有帧进行处理后，对所有帧的预测结果进行快速序列非最大值抑制处理，输出待测视频的目标检测结果。本发明使用轻量化的骨干网进行无人机图像中小目标检测，降低了小目标的误检，提高了检测效率，可实现无人机图像视频中小目标快速、准确地检测。

技术领域

本发明属于无人机图像处理技术领域，具体涉及一种轻量化的无人机图像小目标检测方法。

背景技术

随着无人机技术的成熟和无人机供应商数量的增长，无人机成本逐渐降低，近年来，无人机在地质学、农林业、人流/车流监控等多个领域均受到广泛关注。无人机自身可以携带多种外设传感器，包括红外图像传感器、可见光图像传感器、加速度传感器、气压传感器等等，其中可见光图像传感器能够提供丰富的环境信息，因此，无人机可见光图像理解技术是无人机应用研究的热门领域之一。其中目标检测技术可以定位图像中的感兴趣类别目标，无疑能够为各种无人机任务提供有效支持。

根据MS COCO(Microsoft Common Objects in Context)数据集的定义，像素数≤32×32的目标被认定为小目标。无人机图像中的典型目标存在尺度小、数量大、分布密集的特点。

目标检测技术发展已久，从基于手工设计特征的传统方法到基于卷积神经网络的深度学习方法，检测精度不断提升。当前，基于卷积神经网络的方法是目标检测技术的主流方法。多数无人机可见光图像目标检测算法的优化目标是尽可能提升精度，较少考虑效率问题。基于无人机机上平台的目标检测具有重要意义，不仅能提升无人机应用的灵活性和无人机自身的智能化水平，还能克服恶劣的通信环境进行工作。但是，无人机机上平台的存储和计算资源受限，需要目标检测算法具有较低的计算量和参数量。

发明内容

基于目前无人机目标检测的重要性以及需要检测方法计算量和参数量低的要求，本发明针对可见光无人机图像，结合在无人机机上平台进行目标检测的场景，提出了一个轻量化的无人机图像小目标检测方法。其中，无人机图像数据源为视频格式，即输入无人机图像为按照时序顺序的视频各帧。

本发明提供的轻量化的无人机图像小目标检测方法，包括以下步骤：

步骤一：将当前待检测帧图像缩放至512×512像素的大小；

步骤二：缩放后的图像输入Revised MobileNetV2特征提取器，输出尺度为16×16的特征图；

步骤三：将提取的特征图输入同步上采样和检测模块。同步上采样和检测模块包含基于子像素卷积结构的四个分支。四个分支分别为中心点分支、中心点偏移分支、中心点目标性分支和尺度分支。前三个分支共同决定中心点的位置，尺度分支决定各中心点对应目标的尺度；

步骤四：通过预测的目标中心点位置和对应尺度得到当前帧的所有预测目标框，保存结果。判断当前待测视频的所有帧是否都得到了检测，如果是，检测完毕进入步骤五，否则，对未检测的帧返回步骤一继续执行；

步骤五：对待测视频的所有帧预测结果进行快速序列非最大值抑制处理，得到最终的目标检测结果。