無人機航拍建筑物視圖網絡融合目標識別分析

郭麗虹

關鍵詞：無人機航拍；視圖融合；目標識別；Alexnet方法；精度

城市道路坍塌事故隨著城市地下空間資源開發程度不斷增加而持續增加。通過調研得出，地下隱性病害是造成道路坍塌的主要因素，這點可通過調查大量路面質量所得[1]。作為道路病害檢測的重要手段，無人機航拍技術可實現快速無損檢測地下介質分布，以電磁波反射作為主要依據[2]。

李海峰等[3] 融合了GPR 與B-scan 三維數據特征，充分利用卷積神經網絡，實現高效率識別機場跑道病害。Moalla 等[4] 在檢測埋藏危險物時選取視圖方向為橫斷面和縱斷面，利用GPR 三維數據以及CNN 和遞歸神經網絡CNN。目標識別方法以試圖融合為基礎，三維數據由無人機航拍獲取，視圖特征主要運用該方法提取，獲取得到3 個2DCNN 并融合，有利于促進目標識別準確率的提高。

應用視圖融合方法實現地下多目標分類主要應用3DGPR 數據。2DCNN 的輸入包含GPR 三維數據的俯視圖、側視圖及正視圖立方體，實施特征分類時需充分融合3 個2DCNN 的特征。相比于B-scan 圖像方法，現有三平面方法經實驗證明表現出的多目標分類性能更好。室內實驗數據數量較小時，GPR 實測數據集被標記的數量較少。為了對視圖融合方法性能進行驗證分析，十分有必要利用多種CNN 架構和大量實測數據。

1 視圖融合原理

作為一種通用的網絡體系結構，將2DCNN 與視圖融合方法相結合。為驗證該方法性能，2DCNN 由VGG16 和Alexnet 兩個深度神經網絡的主干網絡構成，均具有全連接層[6]。分別按照227×227×K、224×224×K（K 為通道數）調整Alexnet 網絡、VGG16 網絡的輸入圖像大小，為減少特征圖尺寸和提取特征，需要通過池化層和利用連續卷積實現[7]。……