基于YOLOv4的无人机航拍视频实时检测.pdf
《基于YOLOv4的无人机航拍视频实时检测.pdf》由会员分享,可在线阅读,更多相关《基于YOLOv4的无人机航拍视频实时检测.pdf(4页珍藏版)》请在咨信网上搜索。
1、JournalAviationof23ofChinaUniversityFlightCivilVol.34 No.5中国民航飞行学院学报Sept.2023基于YOLOv4的无人机航拍视频实时检测张鹏康驰唐伟罗肖(中电科特种飞机系统工程有限公司四川成都610054)摘要:相对于其他检测器,YOLOv4具有较高的检测准确度和速度。通过对离线航拍视频截取关键组成样本图片,按照检测目标类型对图片包含的目标进行分类,再使用labelimg工具对样本图片进行标注,最终形成所需的训练数据集。实验中采用迁移学习方法对数据集进行训练,实验结果表明,训练生成的模型在测试集上平均均值精度(mAP)达到62.77%,
2、召回率(Recall)达到9 0.2 5%,在配备NVIDIAP4000显卡的计算机上可达到每秒2 0帧的检测速度,满足实时目标检测需求,可应用在实际工程实践中。关键词:图像处理无人机航拍目标检测YOLOv4Aerial Video Detection of Unmanned Aerial Vehicle Based on YOLO v4Zhang PenggKang ChiTang WeiLuoXiao(CETC Special Mission Aircraft System Engineering Co.Ltd,Chengdu,610054,Sichuan,China)Abstract:C
3、ompared with other detectors,YOLOv4 has high detection accuracy and speed.Thesample images are composed of key frames captured from off-line aerial video,targets contained in theimages are classified according to detection target type and sample images are annotated with labellmgtool to finally form
4、 the required training data set.In the experiment,the transfer learning method wasused to train the data set.The experimental results show that the model generated by the training couldreach an average mean accuracy(mAP)of 62.77%and recall rate of 90.25%on the test set and the de-tection speed of 20
5、 frames per second could be achieved on a computer equipped with NVIDIA P4000graphics card,which meet the requirements of real-time target detection and could be applied in prac-tical engineering practice.Keywords:Image processingUAV aerial photographyObject detectionYOLOv41引言近几年来无人机技术发展迅速,无人机航拍因操作简
6、单、起飞降落受限小、转场容易、稳定性、安全性好的特点广泛存在于日常生活中,为生活带来极大便利。无人机航拍是以无人机为载荷平台,搭载遥感设备和高分辨率相机等设备,可实时存储或传输视频数据,再利用计算机对视频数据进行相关分析、处理,最后生成需要的情报信息。航拍视频的主要特点是目标较小、目标分辨率低、背景复杂、目标运动变化大等特点。无人机航拍视频目标检测主要是对采集视频中的目标进行识别、分类,其本质是实时对图像中的目标检测。目标检测广泛用于日常生活中,如治安管理、巡逻、车辆检测、人流量分析、电力巡检、无人机识别2 、无人机航拍图像定位研究3等。传统的目标检测方法主要是在特征提取和特征分类上。代表性的
7、特征主要有Harr4、SIFT(scale-invariant feature transform)5、HHOG(histogramoforiented)6 等;代表性的分类器有SVM(s u p p o r t v e c t o r ma c h i n e)7 、BP 神经网络(back propagation)8、D M P(d e f o r ma b l e p a r t smodel)9 等。传统目标检测存在的问题:人工设计的特征对于多样性的变化没有很好的鲁棒性;基于滑动窗口的区域选择策略没有针对性,时间复杂度高,窗口允余。深度学习的概念源于人工神经网络的研究。JournalA
8、viationUniversityVol.34No.5FlightofCivilofChina24Sept.2023飞行学院学报中国民航深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征,以发现数据的分布式特征表示。特征提取是自动(无人为干预)且多层的。深度学习的概念由Hinton等人在2 0 0 6 年提出,对传统的人工神经网络算法进行改进,通过模仿人的大脑处理信号时的多层抽象机制来完成对数据的识别。深度学习方法是无监督地学习特征,将学习到的特征输入之后各层,避免人工参与设计特征。随着卷积神经网络的发展,目标检测领域取得显著成果。常用的深度学习目标检测算法有:CNN10,Fa s
9、t-R CNN,Fa s t e r-RCNN12,Y O L O 13 ,SSD 14 ,Y O L O v 2 15 ,YOLOv316,Y O L O v 417 。随着深度学习算法的不断更新,其检测精度和速度都得到显著提升。其中,YOLOv4算法具有快速检测能力和较高的准确率,在实时检测方面表现突出,更加适合实际工程应用环境。本文将YOLOv4应用于航拍视频目标检测,通过截取航拍视频关键顿图片构成训练数据集,以训练集作为输入,构建适合检测的网络模型。实验结果表明,该方法能在保证检测精度的情况下减少漏检率,且达到每秒检测2 0 顿图像,满足实时性要求。2YOLOv4目标检测方法YOLO是
10、由Redmon和Divvala提出的一种实时目标检测算法13。经过不断的改进演化,目前该算法已经发展到第4代。YOLO是一种属于one-stage系列的目标检测算法,它将目标检测视作为回归问题求解,直接从输入的图像中预测目标的位置和其所属类别以及对应的置信概率,来实现端到端的识别。因此,它的检测速度很快,在保持较高准确率的同时可实现实时目标检测。YOLOv4在YOLOv3的基础上,其性能得到进一步提升,它提出一个高效快速的目标检测框架和更改SOTA(s t a t e-o f-t h e-a r t)方法,使得YOLOv4可以适应于单GPU训练,极大降低训练门槛。主要改进点有:1)输入端:Mo
11、saic数据增强、cmBN(Cr o s s m i n i-Ba t c h No r m a l i z a t i o n)、SAT自对抗训练;2)BackBone主干特征提取网络:CSPDarknet53、M i s h 激活函数、Dropblock;3)Neck:SPP(Sp a t i a l Py r a mi d Po o l i n g)模块、FPN+PAN结构;4)Prediction预测:使用YOLOv3,改进损失函数CIOU_LoSS以及预测框筛选DIOU_nms。网络结构如图1(以416 x416输入为例)所示。cSPDarknet53Inputs(416,416,3
12、)DarknetConv2D_BN_Mish(416,416,32)Resblock_body(208,208,64)x1Resblock_body(104,104,128)x2Resblock_body(52,5z,256)x8PANetResblock_body(26,26,512)x8Concat+ConvxsYoLo headConv+UpsampineDuwnSamplingResblockbody(13,13,1024)x4ConvConcat+Convx5Concat+Convx5YOLOheadCory+UpsampineDownisaraplineConvx3SPP最大化Co
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 YOLOv4 无人机 航拍 视频 实时 检测
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。