基于深度学习的白光-热成像双通道 图像识别系统设计

摘要：

为解决无人机图像自动识别系统对大视场角下小目标的识别准确率及实时性问题,利用深度学习卷积神经网络对热成像-白光联合图像进行目标识别.设计了一种针对具有温度特征的目标物识别系统以及双通道目标候选提名图像识别算法.充分利用热成像图中目标热源特征的HSV值,将目标物从热成像图中进行筛选、分割.通过Canny算子勾勒目标物轮廓,并标记出目标物大致区域,导入白光图像提取含有目标物的有效图像信息.利用YOLO V2算法对候选图像内目标物进行识别.通过实验表明,提出的双通道目标候选提名图像识别算法具有可行性与实用性,能够在大视场环境下对小目标进行精准快速识别,满足无人机机载系统简易、实时和准确性要求.

关键词：深度学习、卷积神经网络、YOLO、热成像识别、机器视觉

所属期刊栏目：18

分类号：TP391.41(计算技术、计算机技术)

资助基金：中国国防科技预研项目30107020503

在线出版日期：2018-08-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：264-267