[发明专利]基于F-SSD网络滤波的光学遥感视频目标检测方法

摘要

本发明提出了一种基于F‑SSD网络滤波的光学遥感视频目标检测方法，旨在提高对光学遥感视频的目标检测准确率。实现步骤为：获取训练样本集和验证样本集；构建网络模型F‑SSD，对构建的网络模型进行训练；按一定的间隔帧数取待检测视频的若干帧用训练好的网络模型进行检测，得到这些间隔帧上检测到的目标；依次取这些间隔帧上检测到的目标为跟踪对象，用相关滤波算法进行跟踪；获得光学遥感视频的目标检测结果；本发明方法实现了光学遥感视频的目标检测，提高了目标检测的准确率。

主权项

1.一种基于F‑SSD网络滤波的光学遥感视频目标检测方法，其特征在于，包括以下步骤：(1)获取训练集T和验证集V：(1a)从数据库中获取视频帧图像大小为H×H×3、分辨率为r的M个光学遥感视频，H≥300，M≥5，对包含目标的视频帧图像中的目标进行标注，并将标注过目标的视频帧图像及目标的标签组合成样本集D1，然后从D1中随机选取一半以上的样本作为训练集T1，剩余的样本作为验证集V1；(1b)判断D1中的视频帧图像分辨率r是否大于预设阈值a，若是，从数据库中获取L个包含目标的分辨率小于a、大小为H×H×3的光学遥感图像作为辅助样本E，L≥500，对其中的目标标注后将标注过目标的光学遥感图像及目标的标签组成样本集D2，从D2中随机选取一半以上的样本作为训练集T2，剩余的样本作为验证集V2，并将T1和T2组合成训练集T＝{T1,T2}，将V1和V2验证集V＝{V1,V2}；否则，训练集T＝T1，验证集V＝V1；(2)构建网络模型F‑SSD：在目标检测网络SSD第四组卷积层中的conv4_3、第五组卷积层中的conv7，以及第六组卷积层中的conv6_2、conv7_2、conv8_2和conv9_2中随机选取两对卷积层，每对卷积层后连接一个特征图的融合处理模块，在特征图的融合处理模块后并行连接两个卷积层，构成具有16个输出层的网络模型F‑SSD；(3)对网络模型F‑SSD进行训练：(3a)判断训练集T是否包含T2，若是，执行步骤(3b)，否则，执行步骤(3c)；(3b)采用T2对F‑SSD进行预训练，并通过预训练过程中每迭代Q次后的F‑SSD对V2进行检测，Q≥1000,当检测结果的准确率达到70％时停止训练，得到预训练模型C1，然后采用T1对C1进行训练，并通过训练过程中每迭代Q次后的C1对V1进行检测，当检测结果的准确率超过85％后，停止训练，得到训练好的网络模型C2；(3c)采用T1对F‑SSD进行训练，并通过训练过程中每迭代Q次后的F‑SSD对V1进行检测，Q≥1000，当检测结果的准确率超过85％后，停止训练，得到训练好的网络模型C2；(4)对待检测的光学遥感视频F进行检测：(4a)设待检测的光学遥感视频为F，F＝{f1,f2,...,fi,...,fN}，用模型C2对视频F中的第f1,fK+1,...,ft×K+1,...,fm×K+1帧图像进行目标检测，得到目标集合P0,P1,...,Pt,...,Pm，设定从f(h‑1)×K+1帧到fh×K帧对目标进行跟踪的长度，即对目标跟踪的周期为[(h‑1)×K+1,h×K]，初始化t＝0，其中,fi表示第i帧图像，N表示F的帧数，1≤i≤N，K为检测的间隔帧数，20≤K≤50，Pt表示第ft×K+1帧图像中检测到的目标组成的集合,0≤t≤m，m是满足m×K+1≤N的最大整数,h表示第h个跟踪周期,1≤h≤m；(4b)从Pt中选择目标j作为跟踪对象，取h＝t+1；(4c)判断h是否大于m，若是，则执行步骤(4f)，否则执行步骤(4d)；(4d)采用相关滤波算法对目标j进行跟踪，得到目标j在第h×K帧中的位置，并对目标j在第h×K帧中的位置和灰度特征与Ph中的各个目标的位置和灰度特征分别进行匹配，得到目标j与Ph中各目标的匹配度I，然后选取目标j与Ph中各目标匹配度的最大值Imax，以及Imax在Ph中对应的目标p,判断Imax是否小于预设阈值b，若是，则删除集合Pt中的目标j，并执行步骤(4f)，否则，执行步骤(4e)；(4e)将目标p的位置作为目标j的新位置，同时删除Ph中的目标p，取h＝h+1，执行步骤(4c)；(4f)判断集合Pt是否是空集，若是，则执行步骤(4g)，否则，执行步骤(4b)；(4g)令t＝t+1，判断t是否大于m，若是，执行步骤(4h)，否则，执行步骤(4f)；(4h)将所有跟踪对象在视频帧中的位置保存下来，得到了光学遥感视频F的目标检测结果。