基于深度學(xué)習(xí)的航拍圖像目標(biāo)識(shí)別

景嘯

摘要：本文討論了使用航拍圖像的自動(dòng)目標(biāo)識(shí)別的問(wèn)題。在這項(xiàng)工作中，提出并應(yīng)用深度學(xué)習(xí)架構(gòu)，以便從航拍圖像中識(shí)別車輛。主要在這項(xiàng)工作中提出了基于深度卷積神經(jīng)網(wǎng)絡(luò)（Deep Convolutional Neural Network，DCNN）結(jié)構(gòu)的深度學(xué)習(xí)算法。為7驗(yàn)證本文的方法，給出了一些實(shí)驗(yàn)結(jié)果并進(jìn)行了比較。得到的結(jié)果表明，所提出的深度學(xué)習(xí)方法達(dá)到了93%的識(shí)別精度，較一般深度學(xué)習(xí)方法有明顯提升。

關(guān)鍵詞：目標(biāo)識(shí)別 深度學(xué)習(xí) 深度卷積神經(jīng)網(wǎng)絡(luò) 航拍圖像

引言

隨著航拍技術(shù)和圖像處理技術(shù)的日益成熟，在軍事和民用領(lǐng)域運(yùn)用越來(lái)越廣泛，如追蹤軍事目標(biāo)、地形勘探、快遞運(yùn)輸?shù)取：脚闹杏捎诟蓴_目標(biāo)眾多，背景復(fù)雜，而且隨著目標(biāo)和拍攝載具的移動(dòng)，追蹤目標(biāo)特征難以描述，因此傳統(tǒng)的方法難以追蹤目標(biāo)。

1 深度學(xué)習(xí)

深度神經(jīng)網(wǎng)絡(luò)（Deep Neural Network，DNN）也稱深度學(xué)習(xí)，是基于數(shù)據(jù)學(xué)習(xí)的眾多機(jī)器學(xué)習(xí)方法的一類。而針對(duì)圖像處理有多種深度學(xué)習(xí)的處理方法，如圖像分割、或邊緣查找等。而深度卷積神經(jīng)網(wǎng)絡(luò)（Deep Convolutional Neural Network，DCNN）是一種深度學(xué)習(xí)算法并已成功應(yīng)用于圖像處理中。因?yàn)镈CNN可以獲得比標(biāo)準(zhǔn)神經(jīng)網(wǎng)絡(luò)訓(xùn)練時(shí)間更少的更好結(jié)果。首先，DCNN在卷積層中有一大組濾波器內(nèi)核，可以從原始數(shù)據(jù)中捕獲代表性的信息和模式。堆疊這些卷積層可以進(jìn)一步融合信息并構(gòu)建復(fù)雜的圖案;其次，DCNN是一個(gè)獨(dú)立連接的網(wǎng)絡(luò)，每個(gè)過(guò)濾器共享相同的權(quán)重。這種結(jié)構(gòu)可以減少訓(xùn)練時(shí)間和模型的復(fù)雜性。此外，DCNN的池化層進(jìn)一步減少了輸人數(shù)據(jù)的變化以及訓(xùn)練時(shí)間，并且提高了提取模式的魯棒性。因此本文采用DCNN從航拍圖像中提取特征，以實(shí)現(xiàn)識(shí)別任務(wù)。

典型的DCNN的前幾層通常由兩種類型的卷積層組成，其次是池化層最后一層是完全連接層。接下來(lái)，本文將更詳細(xì)地描述這三種層。

（1）卷積層由許多具有加權(quán)參數(shù)的二維（2D）濾波器組成。濾波器用輸人數(shù)據(jù)卷積并獲得輸出，稱為特征映射。每個(gè)濾波器共享輸入的所有補(bǔ)丁的相同加權(quán)參數(shù)數(shù)據(jù)來(lái)減少訓(xùn)練時(shí)間和模型的復(fù)雜性，這與傳統(tǒng)的具有不同加權(quán)參數(shù)的神經(jīng)網(wǎng)絡(luò)在輸入數(shù)據(jù)的不同路徑上是不同的。

（2）池化層是一個(gè)子采樣層，它通過(guò)降低采樣降低卷積層輸出的特征向量，同時(shí)改善結(jié)果，不易出現(xiàn)過(guò)擬合，提高了特征學(xué)習(xí)的魯棒性。池化層通常遵循具有最大匯集方法的卷積層，并且其僅輸出特征映射的每個(gè)子采樣片的最大值以對(duì)來(lái)自先前卷積層的特征映射進(jìn)行二次采樣。

（3）全連接層是DCNN模型的最后一層。它遵循卷積層和池化層的幾種組合，并從上一層中對(duì)更高級(jí)別的信息進(jìn)行分類。一個(gè)全連接層類似于傳統(tǒng)的多層神經(jīng)網(wǎng)絡(luò)的隱層、分類層，通常使用softmax回歸，假設(shè)任務(wù)是K-lalole問(wèn)題'該softmax回歸的輸出可由下式表達(dá)

2實(shí)驗(yàn)及結(jié)果

本文中使用了包含車輛的數(shù)據(jù)集。航拍圖像的示例如圖2所示。每個(gè)圖像的大小約為50乘35.不同的目標(biāo)圖像可能具有略微不同的大小。圖像已經(jīng)以0到360度的方向居中。由于缺乏分辨率和背景和航拍數(shù)據(jù)處理產(chǎn)生的噪聲，航拍圖像看起來(lái)像模糊，失焦。該數(shù)據(jù)集由1434個(gè)圖像組成，分解為844個(gè)訓(xùn)練圖像和590個(gè)測(cè)試基礎(chǔ)圖像。圖2給出了不同目標(biāo)的航拍圖作為數(shù)據(jù)集樣本。

如果所有圖像具有相同的尺寸50x35且目標(biāo)位于圖像的中心，建議采用32x32大小的補(bǔ)丁，其中目標(biāo)位于補(bǔ)丁的中心。在此步驟之后，從圖像中減去平均值并將其除以圖像的標(biāo)準(zhǔn)偏差，即已經(jīng)標(biāo)準(zhǔn)化數(shù)據(jù)。

本研究中提出的深度卷積神經(jīng)網(wǎng)絡(luò)前兩個(gè)卷積層之后是最大池化層，池化大小為2x2步長(zhǎng)為2個(gè)像素在卷積層中不使用空間零填充，并且卷積步幅固定為1個(gè)像素。在第一個(gè)卷積層中，通過(guò)4個(gè)大小為5×5的卷積濾波器對(duì)32x32輸入圖像進(jìn)行濾波，得到4個(gè)大小為28x28的特征圖。在第一個(gè)池化層之后，它們的大小變?yōu)?4 x14。第一個(gè)池化層的輸出被發(fā)送到第二個(gè)卷積層，其卷積濾波器大小為5X5，導(dǎo)致8個(gè)大小為10 x10的特征映射。在第二個(gè)池化層之后，它們的大小變?yōu)?X5大小為5×5的8個(gè)特征圖。最后的每個(gè)圖像由25個(gè)像素組成，總共我們有25×8-200個(gè)像素，這些像素形成我們要在sigmoid層中分類的矢量。

為了驗(yàn)證所提方法的效率，我們使用了航拍數(shù)據(jù)庫(kù)。比較兩種方法（CNN和DCNN），DCNN識(shí)別精度約為93%，CNN識(shí)別進(jìn)度約為84%。因此，DCNN在當(dāng)前環(huán)境下識(shí)別能力優(yōu)于CNN。

3 結(jié)論

特征提取在目標(biāo)自動(dòng)識(shí)別中起著關(guān)鍵作用。由于深度卷積神經(jīng)網(wǎng)絡(luò)在計(jì)算機(jī)視覺(jué)和語(yǔ)音識(shí)別中取得了巨大成功，本文將這種方法借鑒航拍圖像的目標(biāo)識(shí)別中，通過(guò)構(gòu)建DCNN來(lái)自動(dòng)提取航拍圖像中的特征，從而解決了特征提取的問(wèn)題，目標(biāo)識(shí)別精度遠(yuǎn)高于一般深度學(xué)習(xí)方法。

參考文獻(xiàn)

[l]Prokaj J，Medioni G.Persistent Tracking for Wide Area AerialSurveillanceECl// IEEE Conference on Computer Vision&PatternRecognition. IEEE Computer Society. 2014.

[2]全小敏.航拍視頻運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤方法研究[D].

[3]朱海港，基于深度學(xué)習(xí)的高清航拍圖像目標(biāo)檢測(cè)[D].2015.

[4]Lecun，Y.;Bengio，Y.; Hinton，G.Deep learning[J]. Nature 2015.521， 436 444

[5]劉一宵，牛珊珊，栗春曉.圖像處理方法綜述與案例分析[J]，科學(xué)家，2017（5）：159.