[发明专利]基于自适应目标区域搜索和博弈的无人机智能车辆目标检测方法和应用

说明书

本发明属于目标检测和图像处理技术领域，公开了一种基于自适应目标区域搜索和博弈的无人机智能车辆目标检测方法和应用，该检测方法是通过卷积神经网络提取图像特征，并进行特征融合和反卷积，构建预设锚框选区，引入自适应搜索与正和博弈理论进行计算，最终输出检测结果。本发明显著提高运动目标时的视角变化场景中，成像面视角发生随机改变情况下车辆目标检测的精确度。本发明用于对无人机监控拍摄的车辆图像进行目标检测，检测结果精度高、未召回框的数量少。

技术领域

本发明属于目标检测和图像处理技术领域，涉及一种无人机智能车辆目标检测方法，具体地说是一种基于自适应目标区域搜索和博弈的无人机智能车辆目标检测方法和应用。

背景技术

目标检测技术是用于识别图像范围内某些类别物体所处的位置和其对应类别的方法：通过学习与真实场景一致的数据集，从中提取目标的特征与背景信息，构建模型以对真实场景进行识别。该技术的传统算法在智能监控、人机交互、智能交通等领域有着很好的应用，被广泛用于监控器场景或车辆内部固定监视器场景的检测，而被直接引入无人机领域，仍存在一些问题。

无人机能够快速移动，在许多特定场景下已经展现出优势，帮助人们记录高空视角下的海量图像与视频数据。目前目标检测技术的一些传统算法如YOLO等，对于固定背景或固定视角下的多目标检测有着很好的性能。

但是在实际的无人机监控场景中，由于无人机与地面的高度在不断变化，无人机监控的视角也随之发生改变，尤其无人机俯拍视角下车辆轮廓相似度高，而传统目标检测对于目标类别的识别需要大量的不同角度的特征信息，这种情况下，仅通过传统模型分类效果较差，不易区分；同时，待检测车辆也是在不断运动的，整个无人机——车辆系统在真实世界的三个维度同时产生位移和速度，形成随机的相对运动；对于这样的场景，现有目标检测效果较为一般，尤其对于动态视频检测效果差，很难精确识别目标。

因此，针对检测运动目标时的视角变化场景，优化无人机智能车辆目标检测方法，提高成像面视角发生随机改变情况下车辆目标检测的精确度具有重要意义。

发明内容

本发明的一个目的，是要提供一种基于自适应目标区域搜索和博弈的无人机智能车辆目标检测方法，通过引入自适应目标区域搜索和博弈理论，以解决成像面视角发生随机改变情况下车辆目标检测精确度差的问题；

本发明的另一个目的，是要提供上述基于自适应目标区域搜索和博弈的无人机智能车辆目标检测方法的一种应用。

为了实现上述目的，本发明采用的技术方案是：

一种基于自适应目标区域搜索和博弈的无人机智能车辆目标检测方法，包括依次进行的以下步骤：

S1.通过卷积神经网络提取图像特征，生成多尺度特征图；

S2.对多尺度特征图进行特征融合和反卷积，生成多尺度多特征图；

S3.将多尺度多特征图输入到感兴趣区域生成器，输出预设锚框选区；

对多尺度多特征图进行自适应搜索，生成自适应搜索选区；

S4.将预设锚框选区与自适应搜索选区求交集，得到预测区域；

S5.将预测区域输入到两个卷积层和两个全连接层，输出预测结果；

S6.对预测结果进行正和博弈，输出车辆类别最大可能值的目标结果。

作为一种限定，步骤S1中，图像包括无人机监控拍摄图片或视频截图；步骤S2中，特征融合为通过采样和池化整合特征信息。

步骤S1中，图像还包括无人机监控拍摄视频截图；

步骤S2中，所述特征融合是通过采样和池化统一多尺度特征图的尺寸，归一化处理进行特征融合以整合特征信息。