[发明专利]一种基于深度学习的低可见度环境下实时目标检测方法

摘要

本发明提出一种基于深度学习的低可见度的实时目标检测方法，通过引导滤波来解决受烟尘、水雾、光影影响较大的低可见度环境下的目标检测问题。采用SSD目标检测模型对帧图片进行处理，找出目标区域坐标，充分利用SSD目标检测模型的准确性优势。引入引导滤波，与SSD目标检测模型融合，解决低可见度环境下的影响因素，在受环境因素影响的场景中，使用引导滤波去进行图像增强、去雾等操作，处理后图像更清晰，分辨率更高，图像经处理后，产生目标位置坐标，传入下层网络GoogleNet进行准确性验证，利用GoogleNet网络的效率性，在不降低速度的情况下，提高检测精度。本发明能够在低可见度环境对目标进行准确识别，并且具有一定的可靠性，识别的精度更高。

主权项

1.一种基于深度学习的低可见度环境下实时目标检测方法，其特征在于，使用改进的VGG16网络、GoogLeNet目标检测算法与引导滤波相结合，使目标检测在烟尘、水雾、光线不足等低可见度环境下也能准确识别。其具体过程包括如下步骤：/n步骤1：实时视频流获取/n步骤2：产生目标检测中的数据集；/n步骤3：设置VGG16网络的参数；/n步骤4：引入VGG16网络对目标数据进行处理和分类；/n步骤5：测试训练后网络模型性能，找到当前性能最优模型；/n步骤6：结合低可见度环境下目标特点，引入引导滤波，使模型准确找到目标，确定目标坐标；/n步骤7：引入GoogLeNet网络模型，进行多尺度训练，提取数据的深层次特征，然后对坐标区域内的目标进行检测；/n步骤8：构建整体目标检测框架,命名为VGFG(VGG16 Guided Filter GoogLeNet)模型，使用改进的VGG16网络、GoogLeNet目标检测算法与引导滤波结合后的模型进行测试。/n