[发明专利]一种基于上下文信息感知的无人机定位方法及系统

说明书

本发明涉及一种基于上下文信息感知的无人机定位方法及系统，属于无人机识别领域，该方法包括：构建无人机检测网络，无人机检测网络包括特征表示生成网络、局部信息表示路径、全局信息表示路径和尾部预测结构；采用无人机检测数据集训练无人机检测网络；特征表示生成网络用于输出各尺度特征图对应的第一无人机特征表示；局部信息表示路径从各尺度特征图中截取区域特征图后进行卷积与第一无人机特征表示进行拼接获得第二无人机特征表示；全局信息表示路径对最小的尺度特征图进行全局平均池化后依次经过两个全连接层输出全局信息表示图，全局信息表示图与各第二无人机特征表示进行矩阵相乘输出第三无人机特征表示。本发明提高了无人机的定位精度。

技术领域

本发明涉及无人机识别技术领域，特别是涉及一种基于上下文信息感知的无人机定位方法及系统。

背景技术

近年来，中国无人机行业迅速发展，无人机的应用场景得以不断拓宽加深。但是无人机数量的激增和其监管体系的不完善也导致了个人隐私泄露、保密信息外泄等一系列问题，对社会与军事安全构成了严重威胁。实现无人机的准确定位与跟踪是进行无人机监管的前提条件。基于深度学习的目标检测技术能够实现视场内感兴趣目标的自动识别定位，并且在众多领域得以落地应用，为无人机的定位跟踪提供了一条可靠的技术途径。

然而可见光视频中的无人机目标往往面积占比较小，包含的视觉信息少。现有算法多直接基于无人机的自身视觉信息对其进行识别定位，不足以使网络充分学习到无人机的特征表示，从而限制了算法对无人机目标检测精度的提升。因此，亟需探索一种能精确定位和跟踪无人机的方法。

发明内容

本发明的目的是提供一种基于上下文信息感知的无人机定位方法及系统，提高了无人机的定位精度。

为实现上述目的，本发明提供了如下方案：

一种基于上下文信息感知的无人机定位方法，包括：

构建无人机检测数据集；

构建无人机检测网络，所述无人机检测网络包括特征表示生成网络、局部信息表示路径、全局信息表示路径和尾部预测结构；

采用所述无人机检测数据集训练所述无人机检测网络，获得无人机检测模型；

采用所述无人机检测模型进行待检测无人机的定位；

所述无人机检测网络中，所述特征表示生成网络用于生成多尺度特征图并将各尺度特征图输入区域建议网络，输出各尺度特征图对应的第一无人机特征表示；所述局部信息表示路径用于从各尺度特征图中截取区域特征图，并对截取的区域特征图进行卷积后与对应的第一无人机特征表示进行通道维度的拼接，获得第二无人机特征表示，各截取的区域特征图是对应第一无人机特征表示的设定倍数；所述全局信息表示路径用于对各尺度特征图中尺度最小的尺度特征图进行全局平均池化操作后依次经过第一全连接层和第二全连接层，输出全局信息表示图，将所述全局信息表示图依次与各第二无人机特征表示进行矩阵相乘，输出第三无人机特征表示；所述尾部预测结构用于根据所述第三无人机特征表示获得待检测无人机的坐标信息。

可选地，所述特征表示生成网络采用DenseNet为骨干网络，基于DenseNet构建特征融合结构；所述DenseNet包括五个卷积块，依次输出特征图N1、特征图N2、特征图N3、特征图N4和特征图N5，将特征图N5记为特征图M5，所述特征融合结构用于将特征图M5进行2倍的上采样后与特征图N4按元素相加，输出特征图M4，将特征图M4进行2倍的上采样后与特征图N3按元素相加，输出特征图M3，将特征图M3进行2倍的上采样后与特征图N2按元素相加，输出特征图M2；所述特征表示生成网络还用于将特征图M2、特征图M3、特征图M4和特征图M5输入区域建议网络，分别输出特征图M2、特征图M3、特征图M4和特征图M5对应的第一无人机特征表示。