【技术实现步骤摘要】
基于目标检测的鲁棒工程车辆识别方法及系统
[0001]本专利技术属于计算机视觉
,涉及一种计算机辅助工程车辆检测方法及系统,具体涉及一种基于目标检测的鲁棒工程车辆识别方法及系统。
技术背景
[0002]电力资源的运输有赖于建立安全强大的电网系统,现实中户外输电线路往往存在诸多安全隐患。其中,施工车辆造成外部破坏是最常见的人为不安全因素,比如挖掘机违章施工破坏高压电线杆、起重机操作不当误触高压电线等。为了避免这些事故的发生,相关部门在电网输电线路上安置了许多监控摄像头,但是仅凭人力监控,其成本和因疏忽造成的后果都是难以承受的。若能将目标检测技术应用于视频监控,利用算法自动分析识别监控场景中的工程车辆,以此减少人力成本,消除人为疏忽导致的误报、漏报,提供一种事故发生前提前给出警示、事故发生时协助处理、事故发生后方便及时取证的措施,保障电网的稳定运行。
[0003]目标检测是计算机视觉和数字图像处理的一个热门方向。近几年,目标检测领域出现了不使用锚框而基于关键点或基于中心点进行检测的新思路。CornerNet首次将目标检测视为关键点检测和组合任务,通过热力图来定位目标所处的矩形区域的左上角点和右下角点这一对关键点,然后进行关键点组合配对,进而得到目标边界框;而ExtremeNet则检测目标的最上点、最下点、最左点和最右点这四个极值点以及中心点共五个关键点,通过中心点对四个极值点进行分组,进而得到目标的位置预测;CenterNet则将目标检测任务直接简化为先采用关键点检测的方式预测目标边界框的几何中心点,然后回 ...
【技术保护点】
【技术特征摘要】
1.一种基于目标检测的鲁棒工程车辆识别方法,其特征在于,包括以下步骤:步骤1:采用多尺度特征提取网络从待识别视频帧图像中提取特征图,使用基于注意力机制的特征增强网络进行特征增强,获得增强特征图;步骤2:将步骤1获取的增强特征图输入位置检测网络从而预测工程车辆目标位置,通过后处理过滤低质量的位置预测,然后根据预测的目标位置提取特征图中的感兴趣区域,之后输入级联的位置修正和类别预测网络并进行后处理以得到最终的工程车辆目标位置及其类型。2.根据权利要求1所述的基于目标检测的鲁棒工程车辆识别方法,其特征在于:步骤1中所述多尺度特征提取网络,由深度卷积神经网络和多尺度特征融合层组成;所述深度卷积神经网络的最后6层输出通过卷积后生成通道数相同的特征图C2、C3、C4、C5、C6、C7;C7、C6经过所述多尺度特征融合层后输出P7、P6;P5由P6上采样的结果和注意力门模块的输出拼接后经过卷积融合得到,其中,注意力门模块使用C5和P6作为输入,生成施加注意力后的特征图;P4由P5上采样的结果和注意力门模块的输出拼接后经过卷积融合得到,其中,注意力门模块使用C4和P5作为输入,生成施加注意力后的特征图;P3由P4上采样的结果和注意力门模块的输出拼接后经过卷积融合得到,其中,注意力门模块使用C3和P4作为输入,生成施加注意力后的特征图;P2由P3上采样的结果和注意力门模块的输出拼接后经过卷积融合得到,其中,注意力门模块使用C2和P3作为输入,生成施加注意力后的特征图。3.根据权利要求2所述的基于目标检测的鲁棒工程车辆识别方法,其特征在于:步骤1中所述特征增强网络,包括注意力门模块,跨层融合尺度感知注意力模块、空间感知自注意力模块、任务感知通道注意力模块;所述特征增强网络,以所述多尺度特征提取网络输出的P2、P3、P4、P5、P6、P7作为输入,获取中间结果A2、A3、A4、A5、A6、A7;其中,A2和A7直接由P2和P7得来;A3由A2下采样的结果和注意力门模块的输出拼接后经过卷积融合得到,其中,注意力门模块使用P3和下层特征图A2作为输入,生成施加注意力后的特征图;A4由A3下采样的结果和注意力门模块的输出拼接后经过卷积融合得到,其中,注意力门模块使用P4和下层特征图A3作为输入,生成施加注意力后的特征图;A5由A4下采样的结果和注意力门模块的输出拼接后经过卷积融合得到,其中,注意力门模块使用P5和下层特征图A4作为输入,生成施加注意力后的特征图;A6由A5下采样的结果和注意力门模块的输出拼接后经过卷积融合得到,其中,注意力门模块使用P6和下层特征图A5作为输入,生成施加注意力后的特征图;中间结果A2、A3、A4、A5、A6、A7经过串联的跨层融合尺度感知注意力模块、空间感知自注意力模块和任务感知通道注意力模块,得到最终输出特征图F2、F3、F4、F5、F6、F7。4.根据权利要求1所述的基于目标检测的鲁棒工程车辆识别方法,其特征在于:步骤2中所述位置检测网络,输入数据依次经过可变形卷积块、动态线性修改单元、卷积块、卷积块、可变形卷积块和动态线性修改单元后,输出分别经过两路,一路输入卷积块、Scale层后获得位置预测图,一路经过卷积块后获得关键点热力图。5.根据权利要求1所述的基于目标检测的鲁棒工程车辆识别方法,其特征在于:步骤2中所述位置修正和类别预测网络,包括依次连接的第一修正模块、第二修正模块和第三修正模块,所述第一修正模块、第二修正模块和第三修正模块均由裁剪与池...
【专利技术属性】
技术研发人员:王中元,李云浩,陈世杰,邵振峰,何政,邓练兵,
申请(专利权)人:武汉大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。