[发明专利]一种红外图像目标检测模型构建方法、预测方法及系统

说明书

本发明公开了一种红外图像目标检测模型构建方法、预测方法及系统，针对红外图像分辨率差，对比度低，视觉效果差的问题，该方法将注意力机制结合原始ResNet模型，增强网络模型对红外图像的特征提取能力，同时能加强网络对重点目标进行关注，降低对其他目标的关注，同时引入多尺度模块，通过融合浅层特征网络的高分辨率与深层网络的低分辨率信息，有效结合细节与位置信息，提升红外图像中小目标的检测效果。

技术领域

本发明涉及图像目标检测技术，具体涉及一种红外图像目标检测模型构建方法、预测方法及系统。

背景技术

基于无锚框的目标检测算法的主要工作原理是对特征图的每个位置预测目标中心点，并且在没有先验锚框的情况下预测边框。将检测目标作为点的方法可以减少后处理操作，通过边界框中心点代表检测目标，可以从中心位置图像特征回归目标大小，尺寸等信息。代表性的现有技术如：

Law H,Deng J等人在“Law H,Deng J.Cornernet:‘Detecting objects aspaired keypoints[C]’//Proceedings of the European conference on computervision(ECCV).2018:734-750.”中提出了通过组合从特征图像中学习角点对，预测边框。这种方法不需要设计锚框，减少了对锚框的冗余计算，从而生成更好的边框。

Xing-Yi Zhou，De-Quan Wang等人在“Zhou X,Wang D,P.Objectsas points[J].arXiv preprint arXiv:1904.07850,2019.”中通过预测目标中心点实现检测，避免了额外的后处理操作，如非极大值抑制等。此方法通过对边界框中心的一个点表示待检测的目标，并且可以通过中心点的图像特征得到其他信息，如目标大小，尺寸等。相比于基于锚框的目标检测算法，具有简单，快速，准确率高的特点。

现有基于无锚框的目标检测算法虽然取得一定的成果，但是在面对红外图像中的小目标时，受限于红外图像的分辨率差、对比度低、视觉效果差的特点，现有目标检测算法的准确率与识别效果较差。

发明内容

针对现有技术的缺陷或不足，本发明提供了一种红外图像目标检测模型构建方法。

为此，本发明提供的红外图像目标检测模型构建方法包括：

(1)构建红外图像集与各红外图像的目标标签构成的标签集，所述红外图像集由包含大目标、中目标和小目标中一种目标的红外图像；包含大目标、中目标和小目标中两种目标的红外图像以及包含大目标、中目标和小目标的红外图像构成；所述大目标的像素值为大于96*大于96、所述中目标的像素值为(32-96]*(32-96]、所述小目标的像素值为(12-32]*(20-32]；

(2)采用红外图像集与标签集对改进ResNet网络进行训练，得到红外图像目标检测模型；所述改进ResNet网络的构建方法包括：采用可见光图像集对初始ResNet网络进行训练得到预训练网络，所述初始ResNet网络包括依次设置的输入层、四个卷积层及输出层；之后在预训练网络的输入层与第一层卷积层之间添加第一注意力机制模块，在最后一层卷积层与输出层之间添加第二注意力机制模块，并且在第一层卷积层中添加MSFM多尺度模块，得到改进ResNet网络。

可选的，所述红外图像为包含车辆目标与行人目标的红外图像。

可选的，所述的初始ResNet网络选自ResNet-50、ResNet-18或ResNet-101。

同时本发明还提供了利用上述方法构建的红外图像目标检测模型对红外图像中的目标进行检测。

本发明还提供了一种红外图像目标检测系统。所提供的系统包括图像预处理模块和检测模块，所述图像预处理模块用于将红外视频转化成图像；所述预测模块利用上述方法训练的模型对转化后的图像中的目标进行检测。