(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210491338.6 (22)申请日 2022.05.07 (71)申请人 桂林航天工业学院 地址 541004 广西壮 族自治区桂林市金鸡 路2号 (72)发明人 饶雪峰　王如月　李勋章　曲会晨　 赵全友　魏士伟　黄海生　黎满　 黄鼎铭　 (74)专利代理 机构 苏州德萃知识产权代理有限 公司 3262 9 专利代理师 刘淑花 (51)Int.Cl. G06V 20/17(2022.01) G06V 10/82(2022.01) G06V 10/762(2022.01)G06N 3/063(2006.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06N 5/04(2006.01) G06V 20/52(2022.01) (54)发明名称 无人机航拍场景中的目标检测系统、 无人机 航拍系统 (57)摘要 本发明公开了一种无人机航拍场景中的目 标检测系统、 无人机航拍系统。 为了解决现有技 术中无人机航拍无法同时满足实时性和 高精度 的技术问题， 本发明提出的神经网络中， 包括主 干网络、 颈部网络和头部网络， 其中主干网络包 含了CBAM注意力机制模 块和SiLU激活函数， 这有 助于提高了检测精度， 同时全新的主干网络还减 小了网络模型的参数量,大幅度提高了检测速 度； 结合航拍任务数据集VisDrone的特性， 优化 了先验框尺寸， 使用了Mosaic、 高斯模糊等数据 增强方法， 进一步提高了检测 效果。 本发明解决 了无人航拍系统中的精度和实时性问题， 实现了 高精度和高实时性目标检测的技术效果。 本发明 适用于无 人机航拍领域。 权利要求书2页 说明书7页 附图4页 CN 114973026 A 2022.08.30 CN 114973026 A 1.一种无人机航拍场景中的目标检测系统(101)， 其特征在于： 其包括图像采集系统 (103)和目标检测装置(104)， 所述目标检测装置被配置为根据图像采集系统在无人机飞行 过程中所捕获的图像， 执行目标检测方法； 所述目标检测方法， 具体为： 目标检测装置接收 目标采集系统所捕获的图像信息， 并将其送入神经网络推理装置(201)， 神经网络推理装置 上部署有神经网络， 被用于根据输入信号和训练好的网络参数完成对输入信号的推理， 获 得推理结果， 并通过输出装置(20 3)输出。 2.根据权利要求1所述的无人机航拍场景中的目标检测系统， 其特征在于： 该神经网络 包括主干网络(3 01)、 颈部网络(3 02)和头部网络(3 03)。 3.根据权利要求2所述的无人机航拍场景中的目标检测系统， 其特征在于： 所述的颈部 网络和头 部网络为YOLOv5神经网络的颈 部网络和头 部网络。 4.根据权利要求3所述的无人机航拍场景中的目标检测系统， 其特征在于： 所述主干网 络包括依次连接的如 下模块： Cov2d,B_1_3,B_2_3,B_3_4,B_4_3,B_4_2； 其中， Conv2d模块 包含依序连接的普通卷积、 BN、 Hard ‑swish激活函数操作； B_1_3为3个依序连接的普通卷 积、 BN、 SiLU、 DWConv、 BN模块； B_2_3为3个依序连接的普通卷积、 BN、 SiLU、 CBAM、 DWConv、 BN 模块； B_3_4位4个依序连接的Cov2d、 DWConv ‑H、 BN； B_4_3为3个依序连接的Cov2d、 CBAM、 DWConv‑H、 BN； B_4_2为2个依序连接的Cov2d、 CB AM、 DWConv ‑H、 BN； 其中DWConv为深度可分离 卷积； DWConv ‑H为依序连接的DWConv、 BN、 Hard ‑Swish模块； BN为批标准化， CB AM为CBAM注意 力机制模块， 包括 通道注意力模块CAM模块和空间注意力模块SAM模块。 5.根据权利要求3或4所述的无人机航拍场景中的目标检测系统， 其特征在于： 所述神 经网络推理装置上部署的神经网络， 为经过数据集训练后所获得 的神经网络， 其中所述数 据集被执 行如下操作之一或多个： 1)设置上 下翻转的概 率为0； 2)Mosaic马赛克处理， 具体步骤为： 选择四张图片； 把四张图片进行缩放、 翻转和改变 色域的操作,然后将经过所述操作后的四张图片的一部分重叠后拼接在一起， 生成一张大 的新图片； 再对新的图片标注目标锚定 框； 3)二维高斯模糊处理， 具体步骤为： 对于待处理的像素， 利用该像素周围的像素数值进 行二维高斯模糊处 理,再将得到的数值作为该点的像素值； 4)伽马变换处 理， 其变换公式如下： s＝crγ 其中， s为灰度输出， c为缩放系数， r是输入灰度， 其值在0～ 1之间， γ是灰度缩放参数， 是控制灰度变换缩放 程度的参数。 6.根据权利要求5所述的无人机航拍场景中的目标检测系统， 其特征在于： 所述的数据 集为VisDro ne训练集。 7.根据权利要求6所述的无 人机航拍场景中的目标检测系统， 其特 征在于： 使用K‑means聚类方法对VisDrone训练集的目标边界框进行计算， 获得目标边界框， 具 体为： 步骤(1)： 设置9个随机尺寸的锚定 框为初始的先验框； 步骤(2)： 把每一个目标的锚定 框样本归为与其 最相似的先验框中； 步骤(3)： 再次计算先验框的高和宽的均值并把此设定为 新的先验框； 步骤(4)： 重复步骤(2)和(3),直到先验框的尺寸固定或达 到设定的最高迭代次数。权　利　要　求　书 1/2 页 2 CN 114973026 A 28.一种无人机航拍系统， 其特征在于， 该无人机航拍系统包括： 无人机(102)， 以及搭载 在无人机上的目标检测系统(101)， 所述目标检测系统为如权利要求1至7任意一项所述的 无人机航拍场景中的目标检测系统。权　利　要　求　书 2/2 页 3 CN 114973026 A 3