[发明专利]一种基于多域注意力机制的无人机检测方法及系统

说明书

本发明涉及一种基于多域注意力机制的无人机检测方法，该方法包括：构建无人机检测图像数据集；构建基于多域注意力机制的无人机检测网络；采用无人机检测图像数据集对无人机检测网络进行训练，获得无人机检测模型；利用无人机检测模型对待检测图像进行无人机检测；无人机检测网络包括骨干网络、多尺度特征融合网络、多域注意力机制模块、区域生成网络、ROI Align层和检测头。本发明提高了无人机识别精度。

技术领域

本发明涉及目标检测领域，特别是涉及一种基于多域注意力机制的无人机检测方法及系统。

背景技术

近年来，中国无人机行业迅速发展，无人机的应用场景得以不断拓宽加深。但是无人机数量的激增和其监管体系的不完善也导致了个人隐私泄露、保密信息外泄等一系列问题，对社会与军事安全构成了严重威胁。实现无人机的快速精确识别是进行无人机监管和反制的基础。由于强大的特征表达能力和出色的检测效率，基于卷积神经网络的目标检测技术得到了专家学者的广泛研究，能够为无人机识别提供可靠的技术途径。

然而无人机多处于飞行运动状态，导致其在视场中的尺寸变化较大。此外，受到型号、飞行姿态、拍摄角度等多种因素影响，无人机的视觉特征存在较大的丰富性和差异性。这使得无人机的精确检测成为目标检测领域的一大难点。现有算法多采用多尺度特征融合技术来解决无人机检测中的尺度变化问题（曹靖豪,张俊举,黄维,姚若彤,张平.基于多尺度特征融合的无人机识别与检测[J].空天防御,2021,4(01):60-64+70.），但对如何从丰富的特征信息中筛选出有助于无人机识别定位的关键特征则研究较少。因此，亟需探索一种能精确识别和定位无人机的方法。

发明内容

本发明的目的是提供一种基于多域注意力机制的无人机检测方法及系统，提高了无人机识别精度。

为实现上述目的，本发明提供了如下方案：

一种基于多域注意力机制的无人机检测方法，包括：

构建无人机检测图像数据集；

构建基于多域注意力机制的无人机检测网络；

采用所述无人机检测图像数据集对所述无人机检测网络进行训练，获得无人机检测模型；

利用所述无人机检测模型对待检测图像进行无人机检测；

所述无人机检测网络包括骨干网络、多尺度特征融合网络、多域注意力机制模块、区域生成网络、ROI Align层和检测头；

所述骨干网络包括依次连接的第一卷积块、第二卷积块、第三卷积块、第四卷积块和第五卷积块；

所述多尺度特征融合网络用于对所述第五卷积块的输出进行卷积核为1*1的卷积操作，获得特征图F5；所述多尺度特征融合网络还用于将对所述特征图F5进行上采样操作后的特征图与对所述第四卷积块的输出进行卷积核为1*1的卷积操作后的特征图进行元素级相加，获得特征图F4；所述多尺度特征融合网络还用于将对所述特征图F4进行上采样操作后的特征图与对所述第三卷积块的输出进行卷积核为1*1的卷积操作后的特征图进行元素级相加，获得特征图F3；所述多尺度特征融合网络还用于将对所述特征图F3进行上采样操作后的特征图与对所述第二卷积块的输出进行卷积核为1*1的卷积操作后的特征图进行元素级相加，获得特征图F2；