[发明专利]一种基于特征金字塔的小频标检测方法

权利要求书

1.一种基于特征金字塔的小频标检测方法，其特征在于，所述方法包括：

A为所有用于检测的视频添加频标，并从每个视频中每隔n帧提取一张图像制作构成数据集；

B选择ResNeXt作为骨干网络提取浅层特征、设计深层特征提取网络结构、结合anchor机制，来构建检测频标的目标检测网络，利用FPN将深层语义信息向低层传递以检测小目标；

C设计损失函数，多次调整超参数并训练得到对应模型，从多次训练模型中选择最佳的目标检测模型；

D部署目标检测网络，检测出对应目标，根据所检测目标设计频标识别与校验方法；

所述步骤A中，频标由序列号和校验号构成，序列号与校验号中各元素均为0～9的数字，其中序列号为视频帧在整个视频中的序号，用于视频帧的定位，校验号为序列号各位数字相加结果的个位数，是频标的最后一位数字，剩余数字为序列号；在视频中添加的频标为黑色、背景为白色、不同视频中大小不同；

对于用于检测的视频，每隔n帧提取一张图像，并对图像中需检测目标做标注，所有标注类别包括0～9的数字，其目标框的Ground Truth为目标的中心坐标(x,y)及目标框的宽度为w和高度为h；

所述步骤D中，将检测出的目标按中心横坐标从小到大排列，最后一个为校验号，前面为序列号，如果序列号各位数字相加结果的个位数等于校验号，则校验通过，检测成功；否则校验不通过，检测失败。

2.如权利要求1所述的基于特征金字塔的小频标检测方法，其特征在于，所述步骤B中，选择ResNeXt作为骨干网络、后续深层特征提取由m个单元组成，每个单元包含：C_i,1个尺寸为1×1×C_i-1,2、步长为1的卷积核；C_i,2个尺寸为3×3×C_i,1、步长为2的卷积核，其中C_i,1、C_i,2分别表示第i个单元的1×1卷积层与3×3卷积层输出通道数、C₀₂为ResNeXt输出通道数，并记ResNeXt输出特征图为F₀、后续单元输出特征图为F_i。

3.如权利要求1所述的基于特征金字塔的小频标检测方法，其特征在于，所述步骤B中，i从m至0，使用特征金字塔FPN生成新的特征图F′_i，并选择其中部分特征图构成集合F，在F中的特征图上使用anchor机制，并用全卷积网络代替全连接得到分类与目标框回归候选结果，对于候选结果使用非极大值抑制得到目标检测结果。

4.如权利要求1所述的基于特征金字塔的小频标检测方法，其特征在于，所述步骤C中，损失函数分为分类损失函数和目标框回归损失函数，分类损失函数为交叉熵损失函数、目标框回归损失函数为(x,y,w,h)各自对应的Smooth_L1损失函数。

5.如权利要求1所述的基于特征金字塔的小频标检测方法，其特征在于，所述步骤C中，需要设置或多次调整的超参数包括：权重初始值、学习率、学习率衰减量、批大小、单元数m、卷积层输出通道数C_i,1与C_i,2、集合F等，所选用的模型性能评价指标为mAP和IOU。