【技术实现步骤摘要】
本专利技术涉及伪装人员检测，具体涉及一种基于深度差异偏振编码网络的伪装人员检测方法。
技术介绍
1、伪装人员检测是一种能够识别且定位图像中着伪装模式人员的目标检测方法。由于着人工伪装模式的人员与背景颜色、纹理等特征信息的相似度强，因此，伪装人员检测与传统目标检测相比面临更多的挑战。伪装人员检测在计算机视觉的伪装目标检测领域中已成为研究热点，对医学图像分割和军事目标检测等应用中具有重要启发意义。
2、现有的伪装目标检测方法主要面向自然伪装生物目标的检测，对伪装人员检测方法研究甚少。已有的伪装人员检测方法更多依赖rgb图像中的颜色、纹理等特征信息增强伪装人员与背景的可区分性，但是单一rgb图像信息源学习伪装人员可区分性的颜色、纹理特征具有局限性。因此，受到偏振信息能反映不同物体属性的启发，本专利技术利用偏振图像，提出一种基于深度差异偏振编码网络的伪装人员检测方法。
技术实现思路
1、本专利技术提出的一种基于深度差异偏振编码网络的伪装人员检测方法，可至少解决
技术介绍
中的技术问题之一。
2、为实现上述目的，本专利技术采用了以下技术方案：
3、一种基于深度差异偏振编码网络的伪装人员检测方法，包括以下步骤：
4、s1.深度差异偏振特征编码；s2.全局特征提取；s3.多尺度特征融合；s4.伪装人员目标检测；
5、步骤s1中，四个偏振方向的原始偏振图像输入到深度差异偏振特征编码模块中，输出伪装人员的深度差异偏振特征向量。
6、
7、步骤s3中，输入全局特征向量，经多尺度特征注意力融合模块后，得到融合特征向量。
8、步骤s4中，输入融合特征向量，经检测器模块后，得到偏振图像中的伪装人员的检测结果：类别、边框中心点坐标、边框宽度与高度。
9、又一方面，本专利技术还公开一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如上述方法的步骤。
10、再一方面，本专利技术还公开一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如上方法的步骤。
11、由上述技术方案可知，本专利技术的基于深度差异偏振编码网络的伪装人员检测方法，一方面针对图像中伪装人员与背景颜色纹理相似、边缘信息相融以及目标尺度多变的难点，另一方面基于当前伪装人员检测方法提取学习可区分性特征存在信息源局限单一（仅rgb图像信息）的问题，提出了一种利用深度差异偏振编码特征准确检测伪装人员的方法。
12、具体的说，本专利技术的有益效果是：
13、本专利技术实现了伪装人员的深度差异偏振特征编码学习，提出的深度差异偏振特征模块通过非线性卷积运算能有效编码非正交偏振方向的图像信息，提升偏振图像中伪装人员偏振特征信息利用率，增强伪装人员与背景的差异区分性，解决学习伪装人员可区分性特征局限单一的问题。
14、本专利技术实现了多尺度全局偏振特征注意力融合，提出的多尺度注意力融合模块采用通道注意力机制融合多尺度全局偏振特征，将通道注意力子模块增加至不同尺度特征之间作为融合特征的横向连接，改善多尺度全局偏振特征传统融合方式带来的冗余性，降低非线性空间中背景偏振特征的干扰，提升伪装人员检测的正确率，解决伪装人员尺度多变、边缘信息相融的难点。
本文档来自技高网...【技术保护点】
1.一种基于深度差异偏振编码网络的伪装人员检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于深度差异偏振编码网络的伪装人员检测方法，其特征在于，深度差异偏振特征编码模块，用于提取偏振图像中伪装人员与背景之间的深度差异偏振特征；由四层卷积编码块与一层自由度卷积编码块组成；其中，第一层卷积编码块由48个通道的1×1卷积层、批归一化层和ReLU激活函数组成；第二层卷积编码块由96个通道的1×1卷积层、批归一化层和ReLU激活函数组成；第三层卷积编码块由32个通道的1×1卷积层、批归一化层和ReLU激活函数组成；第四层卷积编码块由16个通道的1×1卷积层、批归一化层和ReLU激活函数组成；自由度卷积编码块由可变通道数的1×1卷积层、批归一化层和ReLU激活函数组成；
3.根据权利要求2所述的一种基于深度差异偏振编码网络的伪装人员检测方法，其特征在于，其中，1×1卷积层是利用1×1大小的卷积核对通道数为的输入特征向量进行卷积操作，而后输出通道数为的特征向量：
4.根据权利要求1所述的一种基于深度差异偏振编码网络的伪装人员检测方法，其特
5.根据权利要求1所述的一种基于深度差异偏振编码网络的伪装人员检测方法，其特征在于，多尺度特征注意力融合模块，是利用通道注意力机制融合不同尺度的全局特征，抑制不同尺度全局特征之间的冗余干扰；其结构组成由两个上采样层和两个通道注意力块组成；其中，上采样层由双线性插值操作实现；通道注意力由一个全局平均池化层、2个全连接层、ReLU激活函数、Sigmoid激活函数和相乘操作层组成。
6.根据权利要求1所述的一种基于深度差异偏振编码网络的伪装人员检测方法，其特征在于，检测器模块，是输出偏振图像中伪装人员目标类别和其在图像中位置坐标；其结构由类别预测分支与位置预测分支组成，其中，类别预测分支由三层3×3卷积块和一层1×1卷积块组成；位置预测分支由三层3×3卷积块和两层不同分支的1×1卷积块组成。
...【技术特征摘要】
1.一种基于深度差异偏振编码网络的伪装人员检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于深度差异偏振编码网络的伪装人员检测方法，其特征在于，深度差异偏振特征编码模块，用于提取偏振图像中伪装人员与背景之间的深度差异偏振特征；由四层卷积编码块与一层自由度卷积编码块组成；其中，第一层卷积编码块由48个通道的1×1卷积层、批归一化层和relu激活函数组成；第二层卷积编码块由96个通道的1×1卷积层、批归一化层和relu激活函数组成；第三层卷积编码块由32个通道的1×1卷积层、批归一化层和relu激活函数组成；第四层卷积编码块由16个通道的1×1卷积层、批归一化层和relu激活函数组成；自由度卷积编码块由可变通道数的1×1卷积层、批归一化层和relu激活函数组成；
3.根据权利要求2所述的一种基于深度差异偏振编码网络的伪装人员检测方法，其特征在于，其中，1×1卷积层是利用1×1大小的卷积核对通道数为的输入特征向量进行卷积操作，而后输出通道数为的特征向量：
【专利技术属性】
技术研发人员：王勇，黄启恒，薛模根，韩裕生，王峰，贾镕，吴云智，吴令夏，祖鸿宇，
申请(专利权)人：中国人民解放军陆军炮兵防空兵学院，
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。