[发明专利]一种基于深度学习的图像目标快速检测方法

说明书

本发明公开了一种基于深度学习的图像目标快速检测方法，步骤为：1、建立基于深度学习的第一级Tiny YOLO目标检测模型和第二级Tiny YOLO目标检测模型；2、向第一级Tiny YOLO目标检测模型输入含有目标的测试图像，根据网络输出结果判断检测是否成功；若检测成功，根据检测区域与图像分辨率的关系判断目标是否为小目标；若不是小目标则输出检测结果；若为小目标则进行下一步；若检测失败，对输入的图片进行分块处理，然后对分块处理后的图像进行第一级Tiny YOLO网络检测；3、对第一级Tiny YOLO网络检测输出的检测区域进行放大截取，然后输入至第二级Tiny YOLO网络，进行检测处理，得到输出结果。本发明处理时间较短，识别可靠性高。

技术领域

本发明属于图像检测识别技术领域，特别涉及一种基于深度学习的图像目标快速检测方法。

背景技术

图像目标检测一直是图像处理领域的热点，尤其针对小目标的高鲁棒性、高准确性以及高实时性的检测，具有重要的应用价值。本发明以软管式自主空中加油的锥套目标检测为例，展开方法的设计与实现。

软管式自主空中加油可以大幅度提升无人机的续航能力，它是加油机与受油机通过编队配合，由受油机自主定位前方加油机上锥套相对自身的位置，并通过精准的控制实现受油机与加油锥套的精准对接，其中受油机能够自主准确的定位加油锥套的相对位置尤为关键，为后续的精确控制提供导航信息。目前，软管式自主空中加油近距对接的定位导航手段为视觉导航辅助GPS/INS组合导航，视觉导航负责提供加油锥套与受油机之间的相对位置关系，在导航系统中起到了关键性的作用，而锥套目标的图像检测是视觉导航必不可少的环节，国内外众多研究机构对锥套目标的检测技术开展了大量的研究。

软管式自主空中加油对锥套目标的检测提出了很高的要求，一方面，要求锥套目标的检测识别可靠性很高，尤其对于较远距离锥套小目标需要有较高的检测准确率以及成功率；另一方面对于图像信息的处理时间要尽可能短，以保证很高的实时性。

目标检测一直是图像处理领域研究的热点。如今，目标检测方法主要分为两大类：基于传统图像处理的目标检测方法和基于深度学习的目标检测方法。

传统的目标检测方法可表示为：目标特征提取-目标识别-目标定位。基于深度学习的目标检测可表示为：图像的深度特征提取-基于深度神经网络的目标识别与定位。传统的目标检测算法场景适应性差，对于光照变化剧烈、目标被遮挡、背景干扰严重、目标较小的情况下检测效果较差，因而逐渐被检测精度高、鲁棒性强的深度学习检测算法所取代。基于深度学习的目标检测主要可分为两类：基于区域建议的目标检测与识别算法，如R-CNN、Fast-R-CNN、Faster-R-CNN等；基于回归的目标检测与识别算法，如YOLO、SSD等，其中基于回归的目标检测算法实时性较好。

发明内容

发明目的：针对现有技术的问题，提供一种处理时间较短，识别可靠性高的基于深度学习的图像目标快速检测方法。

技术方案：为解决上述技术问题，本发明提供一种基于深度学习的图像目标快速检测方法，包括如下步骤：

(1)建立基于深度学习的第一级TinyYOLO目标检测模型和第二级Tiny YOLO目标检测模型；

(2)向第一级Tiny YOLO目标检测模型输入含有目标的测试图像，网络的最后一层输出所有预测目标区域信息R₁:

R₁＝{r_i|r_i＝(x_i,y_i,w_i,h_i,p_i,c_1i,c_2i),i＝1,2,...,845}