[发明专利]一种基于无人机及无锚框网络的车辆检测方法

说明书

本发明公开了一种基于无人机及无锚框网络的车辆检测方法，针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；建立相机模型，通过高度信息计算出车辆尺度；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；采用无锚框的检测网络，基于CenterNet网络对特征图进行识别检测。本发明舍弃传统有锚框的检测方法，降低了运算量，相对于其他已知的其他算法，在准确率和速度上均得到了提升，具备了在无人机的边缘端进行实时检测的能力。

技术领域

本发明属于深度学习和图像处理领域，具体涉及一种基于无人机及无锚框网络的车辆检测方法。

背景技术

近年来，无人机成为消费电子产品热点，同时也逐步进入到农业、地理、安保、交通等各行业应用领域中，在交通领域，无人机应用开始普及，不仅在交通管理领域得以迅速应用，高速公路管理部门、路政管理部门也开始启用无人机进行路况监测、交通疏导、桥梁监测等工作中。公共安全行业标准对基于无人驾驶航空器的道路交通巡逻系统的要求进行了全面详细的阐述，该标准也对无人机航拍子系统的视频巡查、违法行为取证、交通流量检测、目标跟踪、声光提示等功能提出了要求。2018年至今，上海、深圳、珠海、南京、合肥、韶关、太原、常州等多地交警引入无人机参与交通管理，利用无人机对车流量检测统计成为一项重要内容。

然而，基于无人机的车辆检测和计数在实际应用中存在诸多问题。一方面现有的通用的目标检测模型对车辆检测精度不高，存在漏检误检等问题，另一方面，现有的系统基本上都是通过无人机将道路车辆信息采集后通过无线通讯回传到地面数据处理中心，由中央服务器进行车辆检测和车流量统计，这种方式存在数据传输量大、延迟高等特点，当交通部门使用同时使用大量无人机进行交通疏导时，系统将难以应对。随着深度学习和边缘计算技术的发展，在机载设备上实现车辆检测成为可能。传统的目标检测采用有锚框的检测方法，常常使用多个不同尺度的锚框进行提取，既不能完全覆盖车辆尺度，又浪费计算时间，成为无人机在不同高度进行实时检测的障碍。

发明内容

发明目的：本发明提出一种基于无人机及无锚框网络的车辆检测方法，利用无人机高度信息计算出车辆尺度，同时舍弃有锚框的检测方法，降低运算量，使得无人机实时检测成为可能。

发明内容：本发明提出一种基于无人机及无锚框网络的车辆检测方法，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。

进一步地，所述训练集与测试集的比为4:1。

进一步地，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

进一步地，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