[发明专利]一种基于运动特征和深度学习特征的无人机小目标检测方法

摘要

本发明涉及一种基于运动特征和深度学习特征的无人机小目标检测方法，属于图像处理与计算机视觉技术领域。首先通过视频稳像算法对输入的视频数据集处理，补偿摄像头运动；分析图像中检测运动候选目标区域；将视频数据集分为两部分，利用训练数据集训练得到改进的候选区域生成网络模型；通过训练得到的基于深度特征的候选区域生成网络，通过该网络对测试集的视频图像生成候选目标；将候选目标区域进行融合；利用训练数据集训练得到基于双通道的深度神经网络的模型，并应用该模型得到识别结果。将基于多层深度特征的目标跟踪方法应用于上一步的识别结果，得到最终的无人机所在位置。本发明可准确检测出视频图像中的无人机，为后续无人机智能监控相关领域的研究提供支持。

主权项

一种基于运动特征和深度学习特征的无人机小目标检测方法，其特征在于：该方法包括以下步骤：S1：通过视频稳像算法对输入的视频的数据集进行处理，补偿摄像头运动；S2：通过低秩矩阵分析方法从运动补偿后的视频图像中检测运动候选目标区域Ⅰ，并通过图像后处理模块去除运动候选目标区域Ⅰ中细小的噪声点；S3：将视频的数据集分为训练集和测试集，利用训练集训练得到改进的候选区域生成网络模型；通过改进的区域生成网络模型对测试集的视频图像处理生成候选目标区域Ⅱ；S4：将候选目标区域Ⅰ和候选目标区域Ⅱ进行融合得到候选目标区域Ⅲ；S5：根据候选目标区域Ⅲ，利用训练集训练得到基于双通道的深度神经网络，然后将基于双通道的深度神经网络应用于测试集的候选目标得到识别结果；S6：利用相关滤波算法预测目标的位置，跟踪匹配稳定的目标，滤除虚假目标，得到无人机所在位置。