[发明专利]距离选通成像设备获取玻璃幕墙后图像的目标检测方法

说明书

一种距离选通成像设备获取玻璃幕墙后图像的目标检测方法，步骤包括：1)对原始图像进行增强图像；2)对增强后图像进行特征和人体目标检测，对图形中的目标标记边界框；3)采用视频目标跟踪方法，通过对相邻时序切片数据中目标的关联统计，实现对同一个体目标识别结果的合并；视频目标跟踪方法是通过检测现有目标的所有预测边界框之间的交并比作为相邻两个帧之间的相似度的度量指标，利用卡尔曼滤波器预测当前位置，再通过匈牙利算法关联检测框和目标位置，应用试探器鉴别虚假。

技术领域

本发明涉及目标检测技术领域，具体是一种适用于无人机载距离选通成像设备透射玻璃下的人体目标检测方法。

背景技术

透窗探测技术在近几年得到广泛关注，其主要目的是远距离获取建筑物内的人员活动信息以及场景信息。此类技术具有探测距离远、隐蔽性强的特点，常被应用于察、监视、人员识别与定位、战场评估等多种任务需求以获取准确的战场信息感知，为行动部门提供可靠的情报支持。

然而由于无人机载距离选通成像设备透射建筑物玻璃幕墙环境下的图像分辨率不强，信噪较低等缺陷，采用传统的图像处理方法无法满足实时准确的目标检测效果。

发明内容

为了解决上述技术问题，本发明提出一种距离选通成像设备获取玻璃幕墙后图像的目标检测方法，步骤包括：1)对原始图像进行增强图像；2)对增强后图像进行特征和人体目标检测，对图形中的目标标记边界框；3)采用视频目标跟踪方法，通过对相邻时序切片数据中目标的关联统计，实现对同一个体目标识别结果的合并；

视频目标跟踪方法是通过检测现有目标的所有预测边界框之间的交并比作为相邻两个帧之间的相似度的度量指标，利用卡尔曼滤波器预测当前位置，再通过匈牙利算法关联检测框和目标位置，应用试探器鉴别虚假。

步骤1)中，采用神经网络模型并结合残差学习来进行距离选通成像数据的超分辨率重构与降噪。

步骤2)中，采用神经网络技术对对增强后图像进行特征和人体目标检测。

本发明为了提高简单的在线和实时跟踪算法在有遮挡情况下的准确率，将简单的在线和实时跟踪算法用在多目标实时跟踪上，并加入了基于神经网络的特征信息提取等方法，优化了简单的在线和实时跟踪算法，而且可以很好的满足激光照射选通成像环境下跟踪器设计的要求，简单的在线和实时区分技术处理流程如图2所示。

基于目标跟踪算法的多人目标区分技术可以利用相邻时序切片数据之间的空间对应关系，在合并同一个体目标的同时，还可以滤除单张数据中的虚警结果，从而进一步提高最终人员识别与发现的准确率。

附图说明

图1是本发明方法的流程图；

图2是基于目标跟踪算法的多人目标区分技术处理流程图的流程图；

图3是基于VDSR模型的图像超分辨率重构与降噪技术处理流程图；

图4是基于YOLO-V4网络的人体目标检测技术处理流程图。

具体实施方式

以无人机载距离选通成像设备透射建筑物玻璃幕墙环境下图像为例，对本发明进行说明。

本发明针对该类图像的分辨率不强，信噪较低等特点，解决复杂平台运动环境、复杂激光照射环境下的室内人目标检测问题，具体步骤如下：

1、采用图像超分辨重建与降噪的图像质量增强方法，解决图像信噪比低的问题。

2、基于YOLOv4目标检测网络实现对人体目标的检测。

3、采用面向时序切片数据的多人目标区分技术，实现对同一目标的检测，提高目标检测的准确率。