[发明专利]一种弱对比度环境下无人机鲁棒检测方法、装置和设备

权利要求书

1.一种弱对比度环境下无人机鲁棒检测方法，其特征在于，所述方法包括：

获取弱对比环境下无人机的运动视频，对所述运动视频进行抽帧预处理后得到帧图像，将每一帧图像中的无人机目标进行标注得到GT图像；

将所有帧图像输入用于无人机目标检测的双流网络模型中；所述双流网络模型包括ResNet50网络、FlowNetS网络、RF模块、ACFM模块和PDC模块；

通过所述ResNet50网络对任一帧图像进行特征提取，得到低层特征、中层特征和高层特征；

对所述低层特征进行边界边缘特征增强得到低层增强特征；

通过所述FlowNetS网络根据当前帧图像和下一帧图像进行光流计算，得到光流特征；所述光流特征分别与所述中层特征和所述高层特征进行特征融合后得到中层融合特征和高层融合特征；

通过所述RF模块对所述中层融合特征和所述高层融合特征进行特征增强，得到中层增强特征和高层增强特征；

通过所述ACFM模块引入多尺度通道注意力机制对所述高层增强特征进行跨层面特征融合，得到高层增强融合特征；

通过所述PDC模块根据所述低层增强特征、中层增强特征和所述高层增强融合特征进行处理，减少相邻特征差距，输出无人机目标图像；

根据所述GT图像中标注的无人机目标和所述双流网络模型输出的无人机目标图像，对所述ResNet50网络和所述FlowNetS网络进行训练，得到训练好的双流网络模型；

将待检测的弱对比环境下无人机的运动视频进行抽帧预处理后输入所述训练好的双流网络模型，输出无人机目标检测结果。

2.根据权利要求1所述的方法，其特征在于，对所述低层特征进行边界边缘特征增强得到低层增强特征，包括：

通过加权最小二乘滤波算法，对所述低层特征进行平滑处理，增强边界边缘特征，得到低层增强特征。

3.根据权利要求2所述的方法，其特征在于，通过所述FlowNetS网络根据当前帧图像和下一帧图像进行光流计算，得到光流特征，包括：

通过所述FlowNetS网络根据当前帧图像和下一帧图像进行光流计算，得到光流特征；所述FlowNetS网络有多个卷积层，包括降维编码模块和升维解码模块。

4.根据权利要求3所述的方法，其特征在于，通过所述RF模块对所述中层融合特征和所述高层融合特征进行特征增强，得到中层增强特征和高层增强特征，包括：

通过所述RF模块对所述中层融合特征和所述高层融合特征进行特征增强，得到中层增强特征和高层增强特征；所述RF模块分为5个支，5个支都先进行1×1卷积降维，再将第一个分支进行空洞数为3的空洞卷积，第二个分支进行空洞数为5的空洞卷积，第三个分支进行空洞数为7的空洞卷积，将前四个分支的特征图拼接起来，再采用一个1×1卷积降维，最后与第五个分支进行相加，输出增强后的特征图。

5.根据权利要求4所述的方法，其特征在于，通过所述ACFM模块引入多尺度通道注意力机制对所述高层增强特征进行跨层面特征融合，得到高层增强融合特征，包括：

通过所述ACFM模块引入多尺度通道注意力机制对所述高层增强特征进行跨层面特征融合，得到高层增强融合特征；所述多尺度通道注意力机制基于双分支结构，一个分支使用全局平均池获取全局上下文，另一个分支保持原有特征大小获取局部上下文。

6.根据权利要求5所述的方法，其特征在于，通过所述PDC模块根据所述低层增强特征、中层增强特征和所述高层增强融合特征进行处理，减少相邻特征差距，输出无人机目标图像，包括：

将所述低层增强特征、中层增强特征和所述高层增强融合特征输入所述PDC模块；

对所述低层增强特征进行一次上采样，再进行3×3卷积操作；

将卷积操作后的特征图与所述高层增强融合特征进行乘法操作，逐元素相乘减少相邻特征之间的差距；

将乘法操作后的特征图与所述中层增强特征进行拼接，输出无人机目标图像。