买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：西北工业大学

摘要：本发明属于目标检测技术领域，具体涉及一种基于嵌入式CPU的机场道面飞机实时检测方法。具体技术方案为：建立左行飞机和右行飞机的原始训练数据集和两类别原始标签集，对收集的视频图片进行左右翻转和多次裁取，并复制修正标签数据，建立最终训练数据集和最终标签集，搭建深度学习目标检测两类别网络框架，训练得到最小测试误差下的模型参数，建立机场滑行道飞机实时检测模型。搭建的深度学习目标检测两类别左行飞机、右行飞机网络框架对提取的特征进行了多尺度融合且只输出一个预测层，在保证模型预测精度的同时使得模型参数量得到了简化，对训练和测试过程计算资源的消耗大为下降。

主权项：1.一种基于嵌入式CPU的机场道面飞机实时检测方法，其特征在于：对机场滑行道进行视频采集，建立左行飞机和右行飞机的原始训练数据集和两种类别原始标签集，对收集的视频图片进行左右翻转和多次裁取，并复制修正标签数据，建立最终训练数据集和最终标签集，搭建深度学习目标检测两种类别网络框架，根据最终训练数据集和最终标签集训练的网络权值参数得到最小测试误差下的模型参数，根据网络架构和最终网络训练参数建立机场滑行道飞机实时检测模型；包括以下步骤，A1、对机场滑行道进行视频采集，筛选含有飞机的视频图片，建立原始训练数据集，建立左行飞机和右行飞机两种类别的原始标签集；A2、复制步骤A1中的图片并进行左右翻转，复制标签数据，修正标签框位置并相互替换类别名称，对原始训练数据集的图片进行多次裁取和标签数据复制修正，建立最终训练数据集和最终标签集；A3、搭建深度学习目标检测两种类别的网络框架；A4、初始化步骤A3的网络参数，利用步骤A2的最终训练数据集和最终标签集训练步骤A3的网络权值参数，直至总损失不再下降，得到最小测试误差下的模型参数；A5、基于步骤A3的网络架构和步骤A4的最终网络训练参数，建立机场滑行道飞机的实时检测模型；A6、待检视频进入所述实时检测模型，模型自动对视频图像进行检测并锁定飞机位置，给出飞机运动方向；所述步骤A3包括以下步骤，A3.1、基于yolov3-tiny目标检测算法搭建深度学习目标检测两类别网络框架；A3.2、将主干网络最后一层输出通道数改为256并进行一次上采样与倒数第三个卷积层相加，继续进行一次上采样并与第五次卷积层输出结果相加得到多尺度融合特征图；A3.3、对多尺度融合特征图依次进行步长为2的3×3×128卷积、3×3×256卷积，至此得到维度为Hc32,Wc32,256输出层，Wc、Hc分别为裁剪框的宽度、高度，Hc32为所述特征图的高，Wc32为所述特征图的宽，256为特征图的通道数；A3.4、对步骤A3.3输出层进行步长为1的1×1×512卷积，再进行3×3×21卷积得到最后的预测结果输出。

全文数据：

权利要求：

百度查询： 西北工业大学 一种基于嵌入式CPU的机场道面飞机实时检测方法