论文部分内容阅读
随着时代进步、科技发展,人类社会已经步入人工智能时代。计算机视觉已经在生活工作中的很多领域替代人眼,从而实现对视频或图像中感兴趣信息的自动分析和处理。目标检测和定位在近十来年内获得了飞速发展,作为计算机视觉领域中不可或缺的研究方向,该课题融合了机器视觉、图像处理和模式识别等领域的高新技术,是其他复杂视觉任务的重要基石,在智能识别、军事侦查、交通执法和视觉导航等领域中均取得广泛的应用。因此,航拍图像中小目标的检测和定位极具研究价值。本文从基于改进YOLOv4算法的小目标检测、基于BP神经网络的变倾角下目标定位和系统的设计与应用三个方面进行研究。研究并改进小目标的检测算法。针对航拍图像中小目标像素占比少、信息难以提取,使得能提供给检测模型的信息较少,导致其对小目标检测存在细节特征易丢失等问题,提出一种基于改进YOLOv4的小目标检测算法。算法通过对目标尺寸估计、基于密度图的数据切分改进训练策略,并采用跳跃连接、特征融合等方法修改YOLOv4网络结构,将浅层的细节信息与深层的语义信息进行融合,来增强对小目标的特征描述。在自制的数据集上进行实验与评价,结果表明,改进后的算法在几乎保持运行速度的基础上,对小目标的平均精度均值较原始的算法提升7.9%。提出一种基于BP神经网络的变倾角下的目标定位算法。针对倾斜视角下的目标定位存在着目标在图像像素坐标系下与世界坐标系下的对称中心不一致,以及由于相机畸变导致目标在图像中产生形变等问题,提出一种基于BP神经网络的变倾角下的小目标定位算法。该方法通过制作并处理大量目标定位数据,设计BP神经网络结构,对定位数据进行拟合,能将目标的像素信息转为地球椭球坐标系下的距离信息,最终获得目标在地球椭球坐标系中的位置。在定位测试集进行实验与评价,结果表明,所提的算法能克服不断变化的相机倾角对基于线性相机成像模型的目标定位的影响,获得平均误差约0.96m的定位结果,并验证所提算法的有效性和可行性。设计并开发系统软件。针对应用场景中两种不同的条件与需求,基于上述设计的算法,设计并实现基于航拍图像的小目标检测与定位系统,和基于航拍视频的小目标检测与定位系统。通过大量实验验证,表明这些系统能够航拍图像小目标进行检测、跟踪和定位,并能在高德地图上显示目标的位置。