[发明专利]一种弱光下的目标智能检测方法

说明书

本发明提出了一种弱光下的目标智能检测方法，属于计算机视觉领域。所述方法包括步骤一、环境配置准备；步骤二、收集数据；步骤三、标记图片；步骤四、数据增强；步骤五、数据集处理；步骤六、训练神经网络模型；步骤七、验证暗光检测效果。所述一种弱光下的目标智能检测方法具有提高神经网络对弱光图片识别的敏感性和稳定性等特点。

技术领域

本发明属于计算机视觉领域，尤其涉及基于深度学习的弱光下目标智能检测方法。

背景技术

基于深度学习的目标检测是计算机视觉领域的研究热点，目前主流的方法分为两种，分别是基于候选区域的目标检测算法和单次目标检测算法，前者包括Fast R-CNN、Faster R-CNN、FPN等，后者包括YOLO、SDD、RentinaNet等。这些目标检测方法都是为正常光照下的目标检测设计的，在弱光下识别率低。

针对弱光下目标检测，以人脸检测为例，目前采用的解决方法有如下几种：1.检测时用照明设备进行补光，例如相机配备的闪光灯。这样做的缺点是很多情况下不支持使用照明设备，且实时检测时让照明设备保持常亮非常耗能。2.利用红外摄像机等硬件技术，例如小米手机的红外人脸解锁技术。缺点是需要用到昂贵的硬件设备。3.用弱光条件下含有待检测物体的图片作为训练集训练神经网络。由于网络上的公开数据集几乎没有弱光情况下的数据集，这种方法需要手动采集数据集，难度大，工作量大，且若采集到的弱光图片数量不够多容易出现过拟合的情况。

需要解决的技术问题如下：在不利用照明设备、不利用红外摄像机等硬件技术的前提下，利用基于深度学习的目标检测算法，通过数据增强的方式优化用于训练神经网络的数据集，同时用图像增强算法对待识别弱光图片进行预处理，增强弱光图片暗光细节，使目标检测算法能够在弱光图片(甚至人眼不能辨识的情况)中检测出待检测目标。

发明内容

本发明为了解决弱光下目标检测识别率低的问题，提出了一种弱光下的目标智能检测方法，该方法在不利用照明设备、不利用红外摄像机等硬件技术的前提下，利用基于深度学习的目标检测算法，通过数据增强的方式优化用于训练神经网络的数据集，同时用图像增强算法对待识别弱光图片进行预处理，增强弱光图片暗部细节，使目标检测算法能够在弱光图片(甚至人眼不能辨识的情况)中检测出待检测目标。所采取的技术方案如下：

一种弱光下的目标智能检测方法，所述检测方法包括：

步骤一、对深度学习的软件环境进行配置；

步骤二、利用网络下载或相机拍摄方式收集图片数据，获得图像数据集A；

步骤三、对图像数据集A中的待测物体或目标进行标记，并获得标签数据集B；

步骤四、利用降低亮度和图像增强方式将图像数据集A处理为图像数据集C，并利用标签数据集B生成图像数据集C对应的标签数据集D；

步骤五、利用图像数据集A和图像数据集C生成图像数据集E；利用标签数据集B和标签数据集D生成标签数据集F；

步骤六、利用图像数据集E和标签数据集F训练神经网络模型，生成弱光目标检测模型；

步骤七、验证弱光检测效果。

进一步地，所述检测方法的具体过程包括：

步骤一、环境配置准备：在计算机上配置基于深度学习的目标检测算法和图像增强算法所需要的环境；

步骤二、收集数据：利用网络下载图片或相机拍摄图片作为待测物体或目标的训练用图片；将所述图片汇总后得到图像数据集A，其中，所述图像数据集A中包含的图片数量为a；

步骤三、标记图片：采用矩形框对步骤二获得的图像数据集A中每张图片内的待测物体或目标进行标记，并利用标记后的数据汇总形成标签数据集B；