基于深度學習的無人機目標檢測算法研究

劉志軍 張鑫 雷振超

摘要：由于檢測信息的不完整，導致對無人機目標的檢測質量較低，為此，提出基于深度學習的無人機目標檢測算法研究。通過劃分網格的方式提取目標的特征信息，并以空間坐標的形式表述，在Gabor 濾波器中建立損失函數，對丟失信息進行修復后，在卷積核對提取的特征進行學習，根據Gabor對不同特征輸出結果乘積值，實現對無人機目標的檢測。測試結果表明，設計方法的檢測精度可以達到95%以上，正確率均值可以達到91%以上。

關鍵詞：深度學習;無人機目標;特征信息;Gabor 濾波器;損失函數;

中圖分類號：V279+.2 ? 文獻標識碼：A

引言

現階段的目標識別方法主要是從環境角度對其進行研究，也有部分學者通過對識別目標進行分割處理，在局部對比的基礎上實現檢測，但其均對原始數據具有較高的要求[1-2]。為此，本文提出一種基于深度學習的無人機目標檢測算法研究，充分考慮原始信息存在丟失的情況，借助深度學習的優勢，實現對目標的檢測。

1提取無人機目標特征信息

本文首先對無人機目標的特征進行提取。將無人機目標的特征表示為Di，其中，i表示檢測目標的特征數。以此為基礎，將待識別的目標劃分為若干個單元格，在每個單元格內逐個統計目標特征所在的位置，并結合單元格邊界框與特征的重疊率對每個特征出現的條件概率進行統計，這樣做的目的是降低由于邊界特征丟失引起的檢測誤差。在提取特征的過程中，每個網格會包含N個位置的邊界框，本文設置每個位置邊界框輸出的特征值為5個，分別對應dx，dy，dw，dh以及pc，其中dx表示目標特征的x坐標;dy表示目標特征的y坐標;dw表示目標特征所在邊界框的寬度;dh表示目標特征所在邊界框的長度;pc表示置信度，通過pc，判斷目標特征位置定位的準確性.

通過這樣的方式，就可以得到以坐標為表示方式的無人機目標特征

2基于深度學習的無人機目標檢測

本文使用Gabor濾波器將得到的正交信息編碼到卷積核中，以上文提取到的目標特征為學習對象，以增強魯棒性為學習目標，將具有相同位置信息特征整合到卷積核的不同網絡層中，以此判斷所學特征在尺度空間上的一致性。當把每一層中的卷積核在Gabor濾波器上的輸出結果按元素進行乘積運算得到D值，按照原始信息的丟失程度界定檢測標準。具體的判定標準為：當丟失信息大于0.5時，D>0.5，則判定其為檢測目標;當丟失信息小于等于0.5時，D>0.75，則判定其為檢測目標。

3應用測試

3.1測試環境設置

對無人機數據集的采集，為了降低實驗的時間成本，本文使用Python復現框架對其進行搭建，對應的操作系統為Ubuntu16.04，CUDA為9.0。對原始數據進行初始化深度學習時，設置學習效率為 0.0001，最大學習率為 0.00 1，深度學習的動量因子為0.9。在測試過程中，輸入的方式均采用544×544，對于算法的非極大抑制參數設置，為了降低監測誤差，本文將其設置為0.45。與此同時，為了確保對檢測結果評價的可靠性，分別采用精度（ACC）和正確率均值（mAP）作為評價指標。

3.2實驗結果分析

在上述基礎上，分別設置不同的對焦點損失值進行測試，并利用文獻[2]提出的方法作為對照組，最終的測試結果如表1所示。

從表1中可以看出，對比三種方法，文獻[2]方法的ACC和mAP均隨著焦點損失值的增加而呈現出明顯的下降趨勢，且當焦點損失值達到60%時，文獻[2]方法的ACC未達到90%。而本文方法的檢測結果具有較高的穩定性，雖然ACC和mAP也隨著焦點損失值的增加出現了一定程度的下降，但最終均可達到95.00%和91.53%，處于較高水平，表明本文設計的檢測方法能夠實現對無人機目標的高質量檢測。

4結束語

無人機目標檢測受環境等多方面因素的影響，檢測結果的波動性往往較大，為了降低這種影響，將深度學習應用到對其進行研究中是十分具有優勢的。本文提出基于深度學習的無人機目標檢測算法研究，在獲取目標特征的基礎上，實現了對其的高質量識別。

參考文獻

[1]王勝科，任鵬飛，呂昕，等. 基于中心點和雙重注意力機制的無人機高分辨率圖像小目標檢測算法[J]. 應用科學學報，2021，39（04）：650-659.

[2]邢姍姍，趙文龍.基于YOLO系列算法的復雜場景下無人機目標檢測研究綜述[J]. 計算機應用研究，2020，37（S2）：28-30.

作者簡介：

劉志軍（1979-），男（漢族），山東棲霞人，大學本科學歷，工程師，主要研究領域為飛機與發動機維修、無人機技術與應用。

張鑫（1978-2），男（漢族），吉林遼源人，工程碩士，講師，研究領域為電氣自動化。

雷振超（1986-），男（漢族），河南南陽人，本科學歷，工程師，研究領域為飛機電子設備維修，通信工程。

基金項目：

[1]北京電子科技職業學院校內重點課題，項目代碼：CJGX2020-KY-0008 項目名稱：2020Z010-KXZ載重共軸旋翼無人機研制;

[2]北京電子科技職業學院校內重點課題，項目代碼：CJGX2021-KY-008 項目名稱：2020Z010-KXZ載重共軸旋翼無人機研制;

[3]北京電子科技職業學院校內重點課題，項目代碼：CJGX2021-044-012 項目名稱：SGYC02030103-基于行業職業標準的飛機維修專業課程體系研究與實踐。