(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210512309.3 (22)申请日 2022.05.11 (71)申请人 武汉工程大 学 地址 430000 湖北省武汉市东湖新 技术开 发区光谷一路20 6号 (72)发明人 闵锋　杨朝源　熊文逸　刘朋　 (74)专利代理 机构 北京轻创知识产权代理有限 公司 11212 专利代理师 李昆蔚 (51)Int.Cl. G06V 10/25(2022.01) G06V 10/44(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 红外弱小目标检测方法、 装置、 电子设备及 存储介质 (57)摘要 本发明涉及红外弱小目标检测方法、 装置、 电子设备及存储介质， 属于人工智能目标检测领 域。 本发明利用改进的主干网络替代人工设计的 目标轮廓提取方法， 能够降低对设计人员的经验 和专业知识的要求并提高检测速度， 且利用卷积 块对YOLOv4模型中的原始主干网络进行改进， 能 够加强对红外弱小目标的特征提取效果， 使 得改 进的主干网络更适用于对弱小目标的检测， 进而 提高红外弱小目标检测方法的检测精度。 权利要求书2页 说明书9页 附图3页 CN 114926630 A 2022.08.19 CN 114926630 A 1.一种红外弱小目标检测方法， 其特 征在于， 包括： 获取红外图像； 利用改进的主干网络对所述红外图像进行 特征提取， 得到目标 特征信息； 根据所述目标 特征信息， 得到所述红外图像中的弱小目标的检测结果； 其中， 所述改进的主干网络通过以下 方式确定： 提取YOLOv4模型中的原始主干网络， 其中， 所述原始主干 网络包含多个残差单元， 每个 所述残差单元包含多个小残差块， 每个所述小残差块包含用于执行卷积处理的原始卷积 层； 对每个所述残差单元中的各个小残差块中的原始卷积层分别添加卷积块， 得到改进的 残差单元， 其中， 所述卷积块包 含两个卷积层； 基于各个所述改进的残差单 元， 得到所述改进的主干网络 。 2.根据权利要求1所述的方法， 其特征在于， 所述目标特征信 息和所述红外图像中的弱 小目标的检测结果是通过训练完成的红外弱小目标检测模型得到的， 所述红外弱小目标检 测模型包括所述改进的主干网络； 其中， 所述红外弱小目标检测模型 是基于以下 方式训练得到的： 采集多个夜视场景 下的监控视频； 从所述监控视频中采集含有弱小目标的红外图像， 得到有效数据集； 对所述有效数据集进行 数据增强处 理， 得到扩充数据集； 基于所述扩充数据集对初始的红外弱小目标检测模型进行迭代训练， 将训练结束时的 所述初始的红外弱小目标检测模型确定为所述红外弱小目标检测模型。 3.根据权利要求2所述的方法， 其特征在于， 所述数据增强处理包括高斯加噪、 椒盐加 噪、 变明处 理和变暗处 理中的至少一项。 4.根据权利要求2所述的方法， 其特征在于， 所述初始的红外弱小目标检测模型通过以 下方式确定： 提取所述YOLOv4模型中的颈部网络和头部网络， 其中， 所述颈部网络用于根据所述改 进的主干网络提取 的目标特征信息， 输出检测结果图像， 所述头部网络用于调整所述检测 结果图像的尺寸， 得到所述红外图像中的弱小目标的检测结果； 基于所述改进的主干网络、 所述颈部网络和所述头部网络， 得到所述初始 的红外弱小 目标检测模型。 5.根据权利要求4所述的方法， 其特征在于， 所述基于所述改进的主干网络、 所述颈部 网络和所述头 部网络， 得到所述初始的红外弱小目标检测模型， 包括： 获取夜视场景 下的弱小目标对应的样本锚框； 对各个所述样本锚框进行聚类分析， 得到聚类结果； 基于所述聚类结果对应的样本锚框的参数值、 所述改进的主干网络、 所述颈部网络和 所述头部网络， 得到所述初始的红外弱小目标检测模型。 6.根据权利要求1至5中任一项所述的方法， 其特征在于， 所述利用改进的主干网络对 所述红外图像进行 特征提取， 得到目标 特征信息， 包括： 将所述红外图像输入至所述改进的主干网络中的首个残差单 元中的首个小残差块； 利用所述首个小残差块对所述红外图像进行分割处理， 得到第 一特征图像和第 二特征权　利　要　求　书 1/2 页 2 CN 114926630 A 2图像； 利用所述首个小残差块中的原始卷积层和所述首个小残差块中的卷积块对所述第一 特征图像进行 卷积处理， 得到卷积处 理后的所述第一特 征图像； 利用所述首个小残差块将所述第二特征图像和卷积处理后的所述第一特征图像进行 叠加处理， 得到所述首个小残差块的输出 特征图像； 将所述首个小残差块的输出特征图像输入至首个残差单元中的首个小残差块的下一 个小残差块， 直至得到所述首个残差单元中的最后一个小残差块的输出特征图像， 将所述 最后一个小残差块的输出 特征图像确定为所述首个残差单 元的输出 特征图像； 将所述首个残差单元的输出特征图像输入至改进的主干网络中首个残差单元的下一 个残差单 元， 直至得到所述改进的主干网络中的最后一个残差单 元的输出 特征图像； 将所述改进的主干网络中的最后一个残差单元的输出特征图像确定为所述目标特征 信息。 7.一种红外弱小目标检测装置， 其特 征在于， 包括： 获取模块， 用于获取红外图像； 处理模块， 用于利用改进的主干网络对所述红外 图像进行特征提取， 得到目标特征信 息； 检测模块， 用于根据所述目标 特征信息， 得到所述红外图像中的弱小目标的检测结果； 所述处理模块， 还用于提取YOLOv4模型中的原始主干网络， 其中， 所述原始主干 网络包 含多个残差单元， 每个所述残差单元包含多个小残差块， 每个所述小残差块包含用于执行 卷积处理的原始卷积层； 对每个所述残差单元中的各个小残差块中的原始卷积层分别添加 卷积块， 得到改进的残差单元， 其中， 所述卷积块包含两个卷积层； 基于各个所述改进的残 差单元， 得到所述改进的主干网络 。 8.根据权利要求7所述的装置， 其特征在于， 所述目标特征信 息和所述红外图像中的弱 小目标的检测结果是通过训练完成的红外弱小目标检测模型得到的， 所述红外弱小目标检 测模型包括所述改进的主干网络； 所述处理模块， 还用于采集多个夜视场景下的监控视频； 从所述监控视频中采集含有 弱小目标的红外图像， 得到有效数据集； 对所述有效数据集进 行数据增强处理， 得到扩充 数 据集； 基于所述扩充数据集对初始的红外弱小目标检测模型进行迭代训练， 将训练结束时 的所述初始的红外弱小目标检测模型确定为所述红外弱小目标检测模型。 9.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质中存储有指令， 当 所述指令在终端设备上运行时， 使 得所述终端设备执行如权利要求 1至6中任一项 所述的红 外弱小目标检测方法的步骤。 10.一种电子设备， 包括存储器、 处理器及存储在所述存储器上并在所述处理器上运行 的程序， 其特征在于， 所述处理器执行所述程序时实现如权利要求1至6中任一项所述的红 外弱小目标检测方法的步骤。权　利　要　求　书 2/2 页 3 CN 114926630 A 3