[发明专利]基于自适应目标区域搜索和博弈的无人机智能车辆目标检测方法和应用

权利要求书

1.一种基于自适应目标区域搜索和博弈的无人机智能车辆目标检测方法，其特征在于，该检测方法包括依次进行的以下步骤：

S1.通过卷积神经网络提取图像特征，生成多尺度特征图；

S2.对多尺度特征图进行特征融合和反卷积，生成多尺度多特征图；

S3.将多尺度多特征图输入到感兴趣区域生成器，输出预设锚框选区；

对多尺度多特征图进行自适应搜索，生成自适应搜索选区；

S4.将预设锚框选区与自适应搜索选区求交集，得到预测区域；

S5.将预测区域输入到两个卷积层和两个全连接层，计算，输出预测结果；

S6.对预测结果进行正和博弈，输出车辆类别的目标结果；

其中，步骤S3中，所述自适应搜索包括依次进行的以下步骤：

①车辆分类特征建模：提取多尺度多特征图预设锚框选区中的车辆框，使用Resnet50网络框架训练分类模型，得到包含车辆信息的车辆分类模型；

②模型预测值的相关性检索：对多尺度多特征图进行区域遍历计算，得到多尺度多特征图中每区域与车辆分类模型相关性的预测值；

③熵值排序：由②中预测值作为概率计算熵值, 熵值公式如下：

S=-plogp-(1-p)log(1-p)

式中p为概率，S为熵值；

对概率与熵值的加权和进行排序，排序的排序量公式如下：

K=p+αS

式中α为参数，K为排序量；

根据排序结果生成自适应搜索选区。

2.根据权利要求1所述的基于自适应目标区域搜索和博弈的无人机智能车辆目标检测方法，其特征在于，

步骤S1中，所述图像为无人机监控拍摄图片；

步骤S2中，所述特征融合是通过采样和池化统一多尺度特征图的尺寸，归一化处理进行特征融合以整合特征信息。

3.根据权利要求1或2所述的基于自适应目标区域搜索和博弈的无人机智能车辆目标检测方法，其特征在于，

步骤S3中，所述感兴趣区域生成器是一个卷积层和二分类全连接层的组合，通过计算L1 损失与交叉熵损失的和进行学习优化，输出预设锚框选区。

4. 根据权利要求1或2所述的基于自适应目标区域搜索和博弈的无人机智能车辆目标检测方法，其特征在于，

步骤S5中，所输出预测结果为车辆位置坐标和类别信息的概率，通过如下softmax函数计算得出

式中，i为预测值索引，j为所有索引，e为自然常数，y为预测结果。

5.根据权利要求4所述的基于自适应目标区域搜索和博弈的无人机智能车辆目标检测方法，其特征在于，车辆位置坐标以（x,y,w,h）表示，其中，x、y分别为检测框中心点的横纵坐标，w、h分别为检测框的长宽；类别信息为小汽车、卡车、小货车或大巴车。