發(fā)布時間：2021-10-27 11:44

　　目前,無人機技術(shù)日趨成熟,無人機的應(yīng)用范圍也日趨增大,一些隱患也隨之而來。一些人非法使用無人機造成了安全事故。因此,對無人機飛行進(jìn)行合理的管制是非常必要的。紅外相機和可見光相機是常用的無人機監(jiān)視手段,本文對紅外和可見光圖像中的無人機目標(biāo)進(jìn)行多尺度檢測以增加探測器對無人機的監(jiān)視范圍。首先,進(jìn)行目標(biāo)檢測算法YOLOv3的目標(biāo)尺度邊界分析。研究了基于錨框的一階目標(biāo)檢測算法的基本結(jié)構(gòu)和YOLOv3的基本原理。嘗試使用雙線性插值代替最近鄰插值進(jìn)行上采樣來增強YOLOv3對小目標(biāo)的檢測能力。使用無人機圖像集訓(xùn)練后測試了YOLOv3的目標(biāo)尺度邊界,發(fā)現(xiàn)雙線性插值并不能提高YOLOv3對小目標(biāo)的檢測能力。然后,基于YOLOv3的主干網(wǎng)絡(luò)Darknet-53進(jìn)行圖像中小目標(biāo)無人機的檢測方法研究,為改進(jìn)YOLOv3實現(xiàn)對無人機目標(biāo)的多尺度檢測提供理論和實驗依據(jù)。研究了使用邊界框回歸進(jìn)行小目標(biāo)檢測的可能性,分析得出當(dāng)使用邊界框進(jìn)行小目標(biāo)檢測時不僅參數(shù)多,而且因為大尺度目標(biāo)對損失函數(shù)的貢獻(xiàn)大于小目標(biāo),小目標(biāo)檢測的性能必定受到抑制。針對邊界框回歸不適合用于小目標(biāo)檢測的問題,設(shè)計了基于尺度變換層的網(wǎng)絡(luò)來預(yù)測圖像中... 

【文章來源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁數(shù)】：73 頁

【學(xué)位級別】：碩士

【部分圖文】：

無人機運動導(dǎo)致

哈爾濱工業(yè)大學(xué)碩士學(xué)位論文-2-圖1-1無人機運動導(dǎo)致圖像中目標(biāo)尺度變化1.2國內(nèi)外研究現(xiàn)狀1.2.1目標(biāo)尺度的劃分目前，沒有統(tǒng)一的目標(biāo)尺度劃分標(biāo)準(zhǔn)。COCO數(shù)據(jù)集根據(jù)目標(biāo)像素數(shù)將目標(biāo)劃分為小目標(biāo)、中等尺度目標(biāo)、大目標(biāo)。COCO數(shù)據(jù)集目標(biāo)尺度劃分標(biāo)準(zhǔn)如表1-1所示。表1-1COCO數(shù)據(jù)集目標(biāo)尺度劃分尺度劃分最小目標(biāo)框最大目標(biāo)框小目標(biāo)1×132×32中等尺度目標(biāo)32×3296×96大目標(biāo)96×96∞×∞國際光學(xué)工程學(xué)會將尺寸小于總像素數(shù)目0.12%的目標(biāo)視為小目標(biāo)（對256×256的圖像，小于81個像素）。本論文采用國際光學(xué)工程學(xué)會的規(guī)定，將尺寸小于總像素數(shù)目0.12%的目標(biāo)視為小目標(biāo)，對于416×416的圖像，將寬、高均小于16個像素的目標(biāo)稱為小目標(biāo)。本文將雖然尺度小，但還有形狀和紋理信息的目標(biāo)稱為小尺度目標(biāo)。目標(biāo)檢測算法適用的目標(biāo)尺度是有一定范圍的。當(dāng)圖像中目標(biāo)占據(jù)的像素數(shù)目過少時，小目標(biāo)失去了形狀和紋理信息，是一個斑塊，無法直接辨別它是哪一類目標(biāo)。除專門為小目標(biāo)檢測而設(shè)計的小目標(biāo)檢測算法，通常所說的目標(biāo)檢測算法是不能檢測斑塊狀的小目標(biāo)的。為了與小目標(biāo)檢測算法相區(qū)分，當(dāng)與小目標(biāo)檢測算法一起提及時本文稱不能檢測小目標(biāo)的目標(biāo)檢測算法為大目標(biāo)檢測算法。1.2.2目標(biāo)檢測算法國內(nèi)外研究現(xiàn)狀“目標(biāo)檢測”是機器視覺的重要領(lǐng)域之一。目標(biāo)檢測需要尋找出圖像中特定種類目標(biāo)的位置。影響目標(biāo)檢測性能的因素有很多，不同類別的物體有不同的形狀、紋理、顏色等特征，而同一種類的物體也可以在形狀、顏色、紋理、

哈爾濱工業(yè)大學(xué)碩士學(xué)位論文-17-非極大值抑制對首先根據(jù)分類器各類別分類打分做排序，選擇具有最大置信度打分的檢測框，將其從集合中移除并加入最終的檢測結(jié)果中；然后將集合中與其IOU值大于設(shè)定的閾值的檢測框移除；最后，重復(fù)這個過程，直到集合為空。0.950.750.95a)非極大值抑制前b)非極大值抑制后圖2-4非極大值抑制（nms）示例2.3上采樣方法的選擇目標(biāo)檢測算法YOLOv3進(jìn)行了兩次上采樣，然后將上采樣的特征圖與淺層的特征圖相融合，提高網(wǎng)絡(luò)對尺度較小目標(biāo)的檢測精度。YOLOv3網(wǎng)絡(luò)中使用的上采樣方法是最近鄰插值，如圖2-5所示。當(dāng)使用最近鄰插值對圖像進(jìn)行二倍上采樣時，原圖像中的一個像素點變成了一個2×2的區(qū)域，將該點的值復(fù)制到對應(yīng)2×2區(qū)域中的四個位置。最近鄰插值易于計算，但當(dāng)使用最近鄰插值增大圖像的尺寸時，處理后的圖像看起來不夠精確。雙線性插值利用原二維平面中四個相鄰的點來對新的數(shù)據(jù)點進(jìn)行插值。大部分情況下，使用雙線性插值增大尺寸的圖像在直觀上比使用最近鄰插值增大的圖像看起來清晰。而且使用雙線性插值，插值后特征圖的感受野將擴(kuò)大。圖2-5最近鄰插值示例

【參考文獻(xiàn)】：
期刊論文
[1]地/空背景下紅外圖像弱小飛機目標(biāo)檢測跟蹤數(shù)據(jù)集[J]. 回丙偉,宋志勇,范紅旗,鐘平,胡衛(wèi)東,張曉峰,凌建國,蘇宏艷,金威,張永杰,白亞茜.  中國科學(xué)數(shù)據(jù)(中英文網(wǎng)絡(luò)版). 2020(03)
[2]Using deep learning to detect small targets in infrared oversampling images[J]. LIN Liangkui,WANG Shaoyou,TANG Zhongxing.  Journal of Systems Engineering and Electronics. 2018(05)
[3]一種基于PGF、BEMD和局部逆熵的新型紅外小目標(biāo)檢測方法[J]. 解婷,陳忠,馬榮毅.  紅外與毫米波學(xué)報. 2017(01)
[4]無人機成“玩具”后,反無人機產(chǎn)業(yè)悄然興起[J]. 梁麗雯.  金融科技時代. 2017(02)
[5]基于自適應(yīng)側(cè)抑制網(wǎng)絡(luò)的紅外弱小目標(biāo)檢測[J]. 史漫麗,彭真明,張啟衡,李全忠,林志勤.  強激光與粒子束. 2011(04)



本文編號：3461533