[发明专利]一种基于全局和局部特征相结合的机场目标检测方法

说明书

本发明公开了一种基于全局和局部特征相结合的机场目标检测方法，包括采集数据；对采集的数据进行数据标注；数据增强形成机场遥感影像数据集；构建局部特征提取网络，包括跑道、停机坪和指挥塔三类目标的检测模型；对跑道、停机坪和指挥塔三类目标的检测模型进行训练；构建全局特征判定模型，所述全局特征判定模型用于根据所有跑道、停机坪和指挥塔目标判定是否为机场；对全局特征判定网络进行训练；利用训练好的局部特征提取模型和全局特征判定模型对图像进行机场目标检测。该方法先构建局部特征提取网络，提取出机场的重要组成部分，然后构建全局特征判定网络，将不同的组成部分之间的特征进行整体的判别，提升机场目标检测的准确率。

技术领域

本发明属于目标检测领域，特别涉及一种基于全局和局部特征相结合的机场目标检测方法。

背景技术

利用深度学习的方法进行目标检测识别的技术越来越成熟，比如人脸识别、行人检测、车辆检测等等，但是对于机场、港口等大型拓扑类目标的检测关注度不多。现有的机场检测方法主要有两类，一类是将机场作为一个整体进行检测，另一类是检测其中最有特征点的跑道部分。当把机场作为一个整体进行目标检测时，由于机场覆盖的区域比较大，每个城市的机场又形态各异，在跑道、停机坪的组合上也各有不同，因此将机场作为一个整体进行目标检测会使得模型的鲁棒性不强，泛化能力不够。对于训练时见过的机场，识别准确率高，没有见过的机场，容易漏检。而当检测最有特征点的跑道部分时，由于卫星遥感影像的覆盖区域广，跑道的特征主要就是一条直线，特征不够明显，容易和其他的直线目标进行混淆，比如公路，或者桥梁等，导致虚警率高。

发明内容

发明目的：本发明所要解决的技术问题是针对现有技术的不足，提供一种基于全局和局部特征相结合的机场目标检测方法。

为了解决上述技术问题，本发明公开了一种全局和局部特征相结合的机场检测方法，包括如下步骤：

步骤1：采集数据，采集不同地理位置、不同类型、不同历史时期的机场卫星遥感影像；

步骤2：对采集的数据进行数据标注；

步骤3：数据增强，对标注过的遥感影像进行数据增强操作，形成机场遥感影像数据集；

步骤4：构建局部特征提取模型，所述局部特征提取网络用于检测出所有跑道、停机坪和指挥塔目标，包括跑道、停机坪和指挥塔三类目标的检测模型；

步骤5，训练局部特征提取模型，利用机场遥感影像数据集，对跑道、停机坪和指挥塔三类目标的检测模型进行训练；

步骤6，构建全局特征判定模型，所述全局特征判定模型用于根据所有跑道、停机坪和指挥塔目标判定是否为机场；

步骤7：对全局特征判定模型进行训练；

步骤8：模型测试，利用训练好的局部特征提取模型和全局特征判定模型对图像进行机场目标检测。

进一步地，步骤2中所述数据标注采用四点倾斜长方形框标注，标注的类别包括机场跑道、机场停机坪和机场指挥塔三种类型的数据。

机场跑道、停机坪和指挥塔等目标通常不太规则，如果用长方形标注框的话，容易框入很多的背景，容易产生误检，采用倾斜的长方形框可以更好的去除背景，增加检测的准确率。

进一步地，步骤3包括以下几个步骤：

步骤3-1：对所述标注过的遥感影像进行多次旋转，分别旋转15度、30度、45度、60度、75度、90度，影像旋转的同时将对应标注文件中的坐标也进行坐标计算，生成旋转后影像对应的标注文件，并对标注进行调整，使其正好贴合目标，其中90度的无需微调；