[发明专利]无人机目标检测方法、装置、设备和介质

说明书

本申请涉及无人机目标检测方法、装置、设备和介质，方法包括：获取无人机的原数据集；原数据集包括可见光视频序列和红外视频序列；对可见光视频序列和红外视频序列进行图像匹配、图像裁剪与标签更新处理，得到图像配准且尺寸标准化后的标准数据集；利用CNN模型对标准数据集中的可见光图像和红外图像进行图像融合处理，得到融合图像集；利用训练好的YOLOv3模型对融合图像集进行无人机目标检测，得到无人机检测结果。在已有YOLOv3算法的基础上，增加可见光‑红外图像融合处理，对YOLOv3算法进行改进，得到了更优的基于图像融合的无人机红外目标检测手段，实现了无人机目标检测性能较强的技术效果。

技术领域

本申请涉及图像处理技术领域，特别是涉及一种无人机目标检测方法、装置、设备和介质。

背景技术

随着微电子技术和人工智能的飞速发展，无人机基础零部件呈现出了小型化、低成本和低功耗等特点，这促进了无人机技术的革新，也使小型无人机拥有重量轻、操作简单、机身灵活、生存能力强和价格低廉等众多优点，扩大了其应用领域。伴随着人工智能、5G通讯等新技术的发展和完善，由于无人机优越的性能，其应用规模也在不断扩大，广泛运用于民用与军用。随着无人机技术门槛和获得难度的不断降低，其也会带来新的挑战和威胁，因此，反无人机技术也应运而生。

反无人机技术首要任务就是无人机目标的检测，目前，反无人机技术多采用可见光图像或红外图像进行目标检测。然而，在实现本发明的过程中，发明人发现目前反无人机技术采用的检测技术，仍然存在着无人机目标检测性能较弱的技术问题。

发明内容

基于此，有必要针对上述技术问题，提供一种无人机目标检测性能较强的无人机目标检测方法、一种无人机目标检测装置、一种计算机设备以及一种计算机可读存储介质。

为了实现上述目的，本发明实施例采用以下技术方案：

一方面，本发明实施例提供一种无人机目标检测方法，包括步骤：

获取无人机的原数据集；原数据集包括可见光视频序列和红外视频序列；

对可见光视频序列和红外视频序列进行图像匹配、图像裁剪与标签更新处理，得到图像配准且尺寸标准化后的标准数据集；

利用CNN模型对标准数据集中的可见光图像和红外图像进行图像融合处理，得到融合图像集；

利用训练好的YOLOv3模型对融合图像集进行无人机目标检测，得到无人机检测结果。

另一方面，还提供一种无人机目标检测装置，包括：

数据获取模块，用于获取无人机的原数据集；原数据集包括可见光视频序列和红外视频序列；

标准处理模块，用于对可见光视频序列和红外视频序列进行图像匹配、图像裁剪与标签更新处理，得到图像配准且尺寸标准化后的标准数据集；

图像融合模块，用于利用CNN模型对标准数据集中的可见光图像和红外图像进行图像融合处理，得到融合图像集；

目标检测模块，用于利用训练好的YOLOv3模型对融合图像集进行无人机目标检测，得到无人机检测结果。

又一方面，还提供一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现任一项的上述无人机目标检测方法的步骤。

再一方面，还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现任一项的上述无人机目标检测方法的步骤。

上述技术方案中的一个技术方案具有如下优点和有益效果：