[发明专利]一种小慢目标的识别分类方法、装置、设备及存储介质

说明书

本申请公开了一种小慢目标的识别分类方法、装置、设备及计算机可读存储介质，方法包括：获取待处理图像，并对待处理图像进行图像分割；提取出待处理图像中的小慢目标的光流场特征点和灰度向量特征点，融合得到目标特征点；将目标特征点输入至预先训练好的目标提取模型中，并接收目标提取模型输出的分类可信度概率；根据分类可信度概率确定出小慢目标的目标类型。可见，本方法通过将光流场特征点和灰度向量特征点进行融合，利用目标特征点对小慢目标进行识别分类，由于目标特征点融合了光流场和灰度向量的特征，因此利用目标特征点进行小慢目标的识别分类将更为准确，提高识别分类的准确度和可靠性。

技术领域

本发明涉及图像处理领域，特别涉及一种小慢目标的识别分类方法、装置、设备及计算机可读存储介质。

背景技术

近年来，随着无人机、探空气球等低空探测航空器的快速发展，低空空对地视频情报提取分析逐渐成为低空侦察监视的一种重要手段。通过提取出视频中的图像帧中的小慢目标的特征点，作为对小慢目标进行分类的独立可鉴别特征，进而利用特征点对小慢目标进行识别分类。因此，提取出的特征点的准确度和可靠性直接影响对小慢目标识别分类的准确度。

现有技术中，对图像中的目标进行特征提取的方法包括背景模型法、光流法、帧差法以及基于机器学习的神经网络法。但是，背景模型法、帧间差分法均要求图像中的背景与目标间有显著变化，而由于空对地的小慢目标在空中远距离运动中采集，图像中的小慢目标的像素谜底极低、帧间的位移小，时长极短，使得对小慢目标提取的鲁棒性极差，进而导致对小慢目标的识别分类错误。

因此，如何提高对小慢目标特征提取的准确度，进而提高对小慢目标识别分类的准确度，是本领域技术人员目前需要解决的技术问题。

发明内容

有鉴于此，本发明的目的在于提供一种小慢目标的识别分类方法，能够提高对小慢目标特征提取的准确度，进而提高对小慢目标识别分类的准确度；本发明的另一目的是提供一种小慢目标的识别分类装置、设备及计算机可读存储介质，均具有上述有益效果。

为解决上述技术问题，本发明提供一种小慢目标的识别分类方法，包括：

获取待处理图像，并对所述待处理图像进行图像分割；

提取出所述待处理图像中的小慢目标的光流场特征点和灰度向量特征点，融合得到目标特征点；

将所述目标特征点输入至预先训练好的目标提取模型中，并接收所述目标提取模型输出的分类可信度概率；

根据所述分类可信度概率确定出所述小慢目标的目标类型。

优选地，获取所述目标提取模型的过程包括：

获取样本图像；

对各所述样本图像进行图像分割；

提取出各所述样本图像中样本小慢目标的光流场特征点和灰度向量特征点，融合得到样本目标特征点；

将各所述样本目标特征点输入至学习网络进行学习训练，得到所述目标提取模型。

优选地，在所述将各所述样本目标特征点输入至学习网络进行学习训练，得到所述目标提取模型之后，进一步包括：

利用差错样本对所述目标提取模型进行二次训练，并利用二次训练后的模型更新所述目标提取模型。

优选地，进一步包括：

响应于操作者输入的修正指令，对所述学习网络的网络参数进行修正。

优选地，所述学习网络具体为YOLO V3学习网络。

优选地，在所述获取待处理图像之后，进一步包括：

对所述待处理图像进行预处理操作。