[发明专利]一种基于无人机及无锚框网络的车辆检测方法

权利要求书

1.一种基于无人机及无锚框网络的车辆检测方法，其特征在于，包括以下步骤：

(1)预先获取无人机高度信息，采集无人机航拍图像，保存每张图像的高度信息，形成训练集和测试集；

(2)建立相机模型，通过高度信息计算出车辆尺度；

(3)设计特征提取网络，将深层网络和浅层网络进行融合，提取车辆特征；

(4)基于步骤(1)获取的训练集对无锚框的检测网络进行训练，基于CenterNet网络对特征图进行识别检测；

所述步骤(2)通过以下公式实现：

其中，H₁为车辆真实长度，W₁为车辆宽度，H₂为车辆在相机模型中的长度，W₂为车辆在相机模型中的宽度，由公式(1)，计算出无人机在高度为H时，车辆在焦距为F，图像分辨率为W_i×H_i相机中所拍图像中的尺寸为

2.根据权利要求1所述的一种基于无人机及无锚框网络的车辆检测方法，其特征在于，所述训练集与测试集的比为4:1。

3.根据权利要求1所述的一种基于无人机及无锚框网络的车辆检测方法，其特征在于，步骤(3)所述特征提取网络为resnet18网络，将Cov4_x和Cov5_x进行结合，对Cov5_x进行上采样，使其与Cov4_x层的大小和通道数都相同，假设两个层的输入的通道分别为X₁,X₂,…,X_c,Y₁,Y₂,…,Y_c；假设Cov4_x输入的i通道的特征图为m*n，对于则

当Y_ij大于阈值时，取X_ij，当Y_ij小于阈值时，取0，令K_i(i∈c)为参数权重，则最终输出通道为：

4.根据权利要求1所述的一种基于无人机及无锚框网络的车辆检测方法，其特征在于，所述步骤(4)实现过程如下：

(41)令I∈R^W×H为输入图像，设图像的宽度为W，高度为H，生成关键点热力图其中R为尺寸缩放比例；

(42)将关键点通过高斯核分散到热力图上，其中，p₂和p_y是关键的p坐标，x,y为关键点周边的坐标，σ_P是目标尺度-自适应的标准方差；

(43)训练和检测时，损失函数采用focal loss：

其中，α和β是分别设置为2和4。