基于改進SSD的非法占用國土耕地行為的檢測方法與系統技術方案

本發明專利技術公開了一種基于改進SSD的非法占用國土耕地行為的檢測方法和系統，該方法包括：獲取近地鐵塔視頻影像并將其轉為待識別圖像；采用Retinex去霧算法對待識別圖像進行去霧處理；將處理后的圖像輸入訓練好的改進的SSD檢測模型中，從而實現對非法占地行為的識別判定，其中，本發明專利技術通過對SSD的結構進行改進，通過使用特征融合模塊，添加額外添加層和CBAM注意力機制，將具有低語義高分辨率的低層特征和具有高語義低分辨率的頂層特征進行不同層次不同尺度的融合，生成不同于FPN網絡的特征金字塔，來改善傳統SSD由于淺層缺乏足夠的語義信息，導致小目標檢測性能較差的問題，從而進一步提高非法占地行為的檢測精度。一步提高非法占地行為的檢測精度。一步提高非法占地行為的檢測精度。

【技術實現步驟摘要】
基于改進SSD的非法占用國土耕地行為的檢測方法與系統


[0001]本專利技術屬于圖像處理領域，具體涉及一種基于改進SSD的非法占用國土耕地行為檢測方法與系統。

技術介紹

[0002][0003]很久以來，對于國土資源的監測都是依靠衛星遙感和無人機航拍等技術。然而，這些技術都有著各自的弊端：遙感圖像分辨率太低，使檢測精度大打折扣，且檢測周期較長、時效性較差，拍攝角度不可控，加之非法占地行為的多樣性也會對遙感技術的準確性帶來挑戰。無人機航拍技術更適合農村耕地中小目標的檢測，但需要投入大量的人力物力，且不能實時監測某一塊區域，時效性較差，在對某地的長期監測上穩定性較差，沒有成熟數據集，易受天氣環境影響。

技術實現思路

[0004]有鑒于此，本專利技術的目的是提供一種基于改進SSD的非法占用國土耕地行為檢測方法與系統，該方法的實時穩定性得到提高，并且能夠克服惡劣天氣對檢測結構的影響，提高了檢測精度。
[0005]本專利技術的目的是通過以下技術方案實現的：
[0006]本專利技術提供了一種基于改進SSD的非法占用國土耕地行為的檢測方法，該方法包括：
[0007]獲取近地鐵塔視頻影像并將其轉為待識別圖像；
[0008]采用Retinex去霧算法對待識別圖像進行去霧處理；
[0009]將處理后的圖像輸入訓練好的改進的SSD檢測模型中，從而實現對非法占地行為的識別判定，其中，改進SSD檢測模型包括：
[0010]將ResNet50作為SSD主干網絡；
[0011]去除ResNet50的第五個卷積層及其之后的結構，保留ResnetNet50的前四個卷積層；
[0012]將CBAM注意力機制模塊融入第一卷積層、第二卷積層、第三個卷積層和第四個卷積層中的一個或多個卷積層之后；
[0013]添加特征融合模塊，所述特征融合模塊將第二個卷積層、第三個卷積層和第四個卷積層得到的特征圖調整到同一大小并進行concat連接操作以進行特征融合；并且，在concat連接之后設置額外添加層，并將融合后的特征輸入額外添加層以生成特征融合金字塔；
[0014]將ResNet50中的激活函數relu替換為leaky
?
relu并添加BN歸一化操作。
[0015]本專利技術還提供了一種基于改進SSD的非法占用國土耕地行為的檢測系統，該系統包括圖像生成模塊，用于生成待識別的圖像；
[0016]圖像處理模塊，用于對圖像進行去霧處理；
[0017]模型訓練模塊，用于對改進的SSD檢測模型進行訓練；
[0018]圖形識別模塊，用于對待識別的圖像進行非法占地行為的識別，
[0019]其中，改進SSD檢測模型包括：
[0020]將ResNet50作為SSD主干網絡；
[0021]去除ResNet50的第五個卷積層及其之后的結構，保留ResnetNet50的前四個卷積層；
[0022]將CBAM注意力機制模塊融入第一卷積層、第二卷積層、第三個卷積層和第四個卷積層中的一個或多個卷積層之后；
[0023]添加特征融合模塊，所述特征融合模塊將第二個卷積層、第三個卷積層和第四個卷積層得到的特征圖調整到同一大小并進行concat連接操作以進行特征融合；并且，在concat連接之后設置額外添加層，并將融合后的特征輸入額外添加層以生成特征融合金字塔；
[0024]將ResNet50中的激活函數relu替換為leaky
?
relu并添加BN歸一化操作。
[0025]進一步地，對改進的SSD檢測模型的訓練包括：
[0026]采集高空鐵塔攝像頭視頻影像，剔除不含占地行為的圖像，構建非法占地行為圖像數據集a，其中，圖像數據集a中的每個圖像均采用矩形框標記了非法占地行為的區域；
[0027]根據Retinex去霧算法對圖像數據集a進行去霧處理；
[0028]利用數據增強策略對去霧處理后的圖像數據集a進行擴充，得到圖像數據集b；
[0029]根據改進的SSD檢測模型對數據集b進行特征提取訓練，最終得到訓練好的SSD檢測模型，其中，改進的SSD檢測模型中的錨框的比例設置方式為：
[0030]獲取圖像數據集b中各個真實框的4個坐標值[Xmin，Ymin，Xmax，Ymax]，并計算得到每個真實框對應的寬高比，Xmin表示真實框的最小橫坐標；Ymin表示真實框的最小縱坐標；Xmax表示真實框的最大橫坐標；Ymax表示真實框的最大縱坐標；
[0031]初始化k個聚類中心；
[0032]依次計算真實框與聚類中心的距離，將真實框分配到最小距離的聚類簇中；
[0033]分配完所有的真實框之后，重新計算聚類中心的位置；
[0034]判斷當前聚類簇的中心是否發生變化，如果發生變化，則重新計算每個真實框與心的聚類中心的距離，并將真實框重新分配到最小距離的聚類簇中，如果沒有發生變化，則流程結束，最終得到最新的k個聚類中心；
[0035]得到k個聚類中心之后，將寬高比例改寫到改進的SSD檢測模型中，從而完成對錨框的比例優化。
[0036]進一步地，所述數據增強策略包括圖像隨機翻轉、旋轉、濾波、色彩空間轉換等中的一種或多種的組合。
[0037]進一步地，所述額外添加層包括順序連接的額外添加層1、額外添加層2、額外添加層3、額外添加層4和額外添加層5，每個添加層均為一個瓶頸層，所述瓶頸層由1
×
1、3
×
3和1
×
1三層卷積操作組成。
[0038]進一步地，CBAM注意力機制模塊包括通道注意力模塊和空間注意力模塊，其中，
[0039]通道注意力模塊的操作包括：
[0040]分別對每一個通道特征圖F做最大池化和平均池化；
[0041]將這些值按照通道順序組合起來，得到兩個結果向量；
[0042]分別將所述兩個結果向量輸入同一個兩層的全連接神經網絡，在神經網絡中先降維后升維，并將其結果進行相加，并經過Sigmoid函數映射，得到通道注意力模塊的輸出F'；
[0043]空間注意力模塊的操作包括：
[0044]對特征圖F'在各個通道特征圖同一位置上分別做最大池化和平均池化；
[0045]將所述兩個池化結果按照通道進行合并；
[0046]對合并之后的結果利用7
×
7的卷積核進行卷積并使用Sigmoid對卷積后的特征圖進行非線性變換，從而得到CBAM注意力機制模塊的輸出。
[0047]進一步地，所述Retinex去霧算法為MSRCR算法。
[0048]本專利技術的有益效果是：
[0049]1、本專利技術通過高空搭載攝像頭獲取的視頻影像完成非法占地的識別，方便快捷，既降低了成本，又縮短了時限，攝像頭位置靈活、角度可控，具有場景自適應性，實時穩定性也得到提升；
[0050]2、本專利技術將計算機視覺深度學習應用到國土資源監測上本文檔來自技高網...

【技術保護點】

【技術特征摘要】
1.一種基于改進SSD的非法占用國土耕地行為的檢測方法，其特征在于，包括：獲取近地鐵塔視頻影像并將其轉為待識別圖像；采用Retinex去霧算法對待識別圖像進行去霧處理；將處理后的圖像輸入訓練好的改進的SSD檢測模型中，從而實現對非法占地行為的識別判定，其中，改進SSD檢測模型包括：將ResNet50作為SSD主干網絡；去除ResNet50的第五個卷積層及其之后的結構，保留ResnetNet50的前四個卷積層；將CBAM注意力機制模塊融入第一卷積層、第二卷積層、第三個卷積層和第四個卷積層中的一個或多個卷積層之后；添加特征融合模塊，所述特征融合模塊將第二個卷積層、第三個卷積層和第四個卷積層得到的特征圖調整到同一大小并進行concat連接操作以進行特征融合；并且，在concat連接之后設置額外添加層，并將融合后的特征輸入額外添加層以生成特征融合金字塔；將ResNet50中的激活函數relu替換為leaky
?
relu并添加BN歸一化操作。2.根據權利要求1所述的基于改進SSD的非法占用國土耕地行為的檢測方法，其特征在于，對改進的SSD檢測模型的訓練包括：采集高空鐵塔攝像頭視頻影像，剔除不含占地行為的圖像，構建非法占地行為圖像數據集a，其中，圖像數據集a中的每個圖像均采用矩形框標記了非法占地行為的區域；根據Retinex去霧算法對圖像數據集a進行去霧處理；利用數據增強策略對去霧處理后的圖像數據集a進行擴充，得到圖像數據集b；根據改進的SSD檢測模型對數據集b進行特征提取訓練，最終得到訓練好的SSD檢測模型，其中，改進的SSD檢測模型中的錨框的比例設置方式為：獲取圖像數據集b中各個真實框的4個坐標值[Xmin，Ymin，Xmax，Ymax]，并計算得到每個真實框對應的寬高比，Xmin表示真實框的最小橫坐標；Ymin表示真實框的最小縱坐標；Xmax表示真實框的最大橫坐標；Ymax表示真實框的最大縱坐標；初始化k個聚類中心；依次計算真實框與聚類中心的距離，將真實框分配到最小距離的聚類簇中；分配完所有的真實框之后，重新計算聚類中心的位置；判斷當前聚類簇的中心是否發生變化，如果發生變化，則重新計算每個真實框與心的聚類中心的距離，并將真實框重新分配到最小距離的聚類簇中，如果沒有發生變化，則流程結束，最終得到最新的k個聚類中心；得到k個聚類中心之后，將寬高比例改寫到改進的SSD檢測模型中，從而完成對錨框的比例優化。3.根據權利要求2所述的基于改進SSD的非法占用國土耕地行為的檢測方法，其特征在于，所述數據增強策略包括圖像隨機翻轉、旋轉、濾波、色彩空間轉換等中的一種或多種的組合。4.根據權利要求1所述的基于改進SSD的非法占用國土耕地行為的檢測方法，其特征在于，所述額外添加層包括順序連接的額外添加層1、額外添加層2、額外添加層3、額外添加層4和額外添加層5，每個添加層均為一個瓶頸層，所述瓶頸層由1
×
1、3
×
3和1
×
1三層卷積操作組成。
5.根據權利要求1所述的基于改進SSD的非法占用國土耕地行為的檢測方法，其特征在于，CBAM注意力機制模塊包括通道注意力模塊和空間注意力模塊，其中，通道注意力模塊的操作包括：分別對每一個通道特征圖F做最大池化和平均池化；將這些值按照通道順序組合起來，得到兩個結果向量；分別將所述兩個結果向量輸入同一個兩層的全連接神經網絡，在神經網絡中先降維后升維，并將其結果進行相加，并經過Sigmoid函數映射，得到通道注意力模塊的輸出F'；空間注意力模塊的操作包括：對特征圖F'在各個通道特征圖同一位置上分別做最大池化和平均池化；將所述兩個池化結果按照通道進行合并；對合并之后的結果利用7
×
7的卷積核進行卷積并使用Sigmoid對卷積后的特征圖進行非線性變換，從而得到CBAM注意力機制模塊的...

【專利技術屬性】
技術研發人員：王柯，李翰，萬久地，盧建春，
申請(專利權)人：中國鐵塔股份有限公司重慶市分公司，
類型：發明
國別省市：