申请/专利权人:武汉巨合科技有限公司
申请日:2020-11-16
公开(公告)日:2021-02-19
公开(公告)号:CN112380997A
主分类号:G06K9/00(20060101)
分类号:G06K9/00(20060101);G06K9/46(20060101);G06K9/62(20060101);G06N3/04(20060101);G06N3/08(20060101)
优先权:
专利状态码:在审-实质审查的生效
法律状态:2021.05.14#实质审查的生效;2021.02.19#公开
摘要:本发明涉及安全飞行技术领域,具体为基于深度学习的机型识别和起落架收放检测方法,分别设计YOLOv3目标跟踪线程和KCF目标跟踪线程,在YOLOv3目标跟踪线程检测出飞机或者起落架收放后,将检测出来的类别信息与收放信息发送给KCF目标跟踪线程;利用KCF目标跟踪线程对YOLOv3目标跟踪线程所检测出来的目标位置信息进行目标位置检测,计算样本之间的响应并找出响应值最大的检测框作为目标框,获取其置信信息;将两次的数据进行融合比较,如果计算出的位置差在设定的阈值内则输出位置信息与两个线程置信度的均值。本发明通过发挥KCF良好的跟踪性能,从而减少YOLOv3算法因环境骤变而产生的误检,克服了YOLOv3算法对训练样本过于依赖的缺陷。
主权项:1.基于深度学习的机型识别和起落架收放检测方法,其特征在于:包括如下步骤:S1、分别设计YOLOv3目标跟踪线程和KCF目标跟踪线程,在YOLOv3目标跟踪线程检测出飞机或者起落架收放后,将检测出来的类别信息与收放信息发送给KCF目标跟踪线程;S2、利用KCF目标跟踪线程对YOLOv3目标跟踪线程所检测出来的目标位置信息进行目标位置检测,计算样本之间的响应并找出响应值最大的检测框作为目标框,获取其置信信息;S3、将KCF目标跟踪线程获取的信息与YOLOv3目标跟踪线程的检测结果进行融合比较,如果计算出的位置差在设定的阈值内则输出位置信息与两个线程置信度的均值,若结果比较差距较大,则不输出信息并更新KCF模板。
全文数据:
权利要求:
百度查询: 武汉巨合科技有限公司 基于深度学习的机型识别和起落架收放检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。