[发明专利]一种无人机目标识别方法

说明书

本发明公开了一种无人机目标识别方法，所述方法包括：数据增强步骤包括：对获取的待识别无人机目标的原始图像进行数据增强处理，得到增强数据；特征提取步骤包括：对所述增强数据进行卷积运算提取用于所述待识别无人机目标分类和定位的图像特征；目标检测步骤包括：通过神经网络对图像中的所述待识别无人机目标进行类别和位置信息编码，并对所述类别和位置信息进行解码确定所述原始图像中的所述待识别无人机目标的检测结果。本发明能够实现无人机反制领域中自动化的检测和识别无人机。

技术领域

本发明涉及成像技术领域，特别是涉及一种无人机目标识别方法。

背景技术

目前，随着无人机技术的不断成熟和相关产品价格的大幅下降，各类型无人机已被应用于不同领域。无人机为人们带来便利的同时，也成为了不法分子手中的犯罪工具。由于针对无人机的监管控制措施的缺失，无人机滥用和违规飞行现象日趋严重，利用无人机进行偷拍、侵犯隐私的事件更是层出不穷。面对此类目标的威胁，目前尚无有效的探测发现手段，也缺乏完备的反制系统。

由于小型无人机目标尺寸小、飞行速度易变、飞行环境复杂，因此，需要无人机反制系统对目标定位和识别方法的精度与速度有较高的要求。现有技术中主要利用雷达活着红外的方式进行无人机的识别和检测。其中，基于雷达和无线电的无人机检测方法，其探测易受地形影响，且无法判断检测到的目标是否为无人机，也无法确定目标无人机的型号。根据红外图像中的小目标的连通域面积、灰度和运行轨迹等图像特征来判断是否为运动的高热量飞行目标，其主要是基于连通域算法的高亮小目标检测算法，此方法所选取的图像特征适应性差，判别条件单一，在使用时会将飞行的鸟类和地物中的点目标判断为无人机，虚警率高。最终仍依赖人工来判断目标是否为无人机和无人机的型号。

发明内容

本发明所要解决的技术问题是提供一种无人机目标识别方法，实现无人机反制领域中自动化的检测和识别无人机。

本发明公开了一种目标识别方法，包括：数据增强步骤、特征提取步骤和目标检测步骤；

所述数据增强步骤包括：对获取的待识别无人机目标的原始图像进行数据增强处理，得到增强数据；

所述特征提取步骤包括：对所述增强数据进行卷积运算提取用于所述待识别无人机目标分类和定位的图像特征；

所述目标检测步骤包括：通过神经网络对图像中的待识别无人机目标进行类别和位置信息编码，并对所述类别和位置信息进行解码确定所述原始图像中的待识别无人机目标检测结果。

优选地，所述方法之前包括：建立无人机数据集，并采用基于距离的K-means聚类算法，采用距离作为相似性的评价指标计算先验框。

优选地，所述对获取的待识别无人机目标的原始图像进行数据增强处理包括：

对所述待识别无人机目标的原始图像进行随机模糊和/或运动模糊处理处理。

优选地，对所述增强数据进行卷积运算提取用于所述待识别无人机目标分类和定位的图像特征包括：

对所述增强数据依次进行第一卷积处理、第二卷积处理和第三卷积处理，分别提取第一检测特征图、第二检测特征图和第三检测特征图，并对获得的第一检测特征图、第二检测特征图和第三检测特征图进行融合；将融合后的特征作为用于所述待识别无人机目标分类和定位的图像特征。

优选地，建立无人机数据集，并采用基于距离的K-means聚类算法，采用距离作为相似性的评价指标计算先验框包括：

采集不同型号的无人机的图像数据，建立各个飞行场景、各个飞行姿态下分类的无人机数据集；

采用基于距离的K-means聚类算法，采用距离作为相似性的评价指标，使先验框和真实框的交集和并集的比值IOU最大，K-means聚类的距离d表示公式如下：

d＝1-IOU。