(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 202210899367.6 (22)申请日 2022.07.28 (71)申请人 中国电子科技 集团公司第十五研究 所 地址 100000 北京市海淀区北四环中路21 1 号 申请人 感知天下 （北京） 信息科技有限公司 (72)发明人 喻金桃　赵秀云　李传广　孔壁　 彭大祥　蒋丽婷　 (74)专利代理 机构 河北向往专利代理有限公司 13162 专利代理师 范风格 (51)Int.Cl. G06V 20/13(2022.01) G06V 10/82(2022.01)G06V 10/44(2022.01) G06N 3/08(2006.01) G06N 3/04(2006.01) (54)发明名称 基于YOLOv4和直线特征的多尺度桥梁目标 检测方法 (57)摘要 本发明属于图像处理技术领域， 提出了基于 YOLOv4和直线特征的多尺度桥梁目标检测方法， 包括对输入的遥感影像建立金字塔， 并对金字塔 影像进行切片操作， 得到多层切片； 将多层切片 分别输入桥梁目标检测模型， 得到多层桥梁目标 检测结果； 将多层桥梁目标检测结果进行融合与 合并， 得到目标检测结果； 其中， 所述桥梁目标检 测模型采用YOLOv4算法， 在算法实现中， 同时满 足预设条件的目标被识别为桥梁目标， 所述预设 条件包括： 桥梁横跨在河流之上、 且桥梁长度和 河流宽度的差值在设定范围内； 桥梁长度和宽度 的比例大于设定值。 通过上述技术方案， 解决了 现有技术中桥梁目标检测精度低的问题。 权利要求书1页 说明书4页 附图2页 CN 115272879 A 2022.11.01 CN 115272879 A 1.基于YOLOv4和直线特 征的多尺度桥梁目标检测方法， 其特 征在于， 包括： 对输入的遥感影 像建立金字塔， 并对金字塔 影像进行切片操作， 得到多层切片； 将多层切片分别输入桥梁目标检测模型， 得到多层桥梁目标检测结果； 将多层桥梁目标检测结果进行融合与合并， 得到目标检测结果； 其中， 所述桥梁目标检测模型采用YOLOv4算法， 在算法实现中， 同时满足预设条件的目 标被识别为 桥梁目标， 所述预设条件 包括： 桥梁横跨在河流之上、 且桥梁长度和河流宽度的差值在设定范围内； 桥梁长度和宽度的比例大于设定值。 2.根据权利要求1所述的基于YOLOv4和直线特征的多尺度桥梁目标检测方法， 其特征 在于， 所述桥梁目标检测模型采用CSPDarknet53作为主干网络、 YOLOv3作为Head、 PANet作 为特征融合模块、 S PP作为附加模块。 3.根据权利要求2所述的基于YOLOv4和直线特征的多尺度桥梁目标检测方法， 其特征 在于， CSPDarknet53包含5个大残差块， 5个大残差块包含的小残差单元个数分别为1、 2、 8、 8、 4。 4.根据权利要求1所述的基于YOLOv4和直线特征的多尺度桥梁目标检测方法， 其特征 在于， 还包括： 根据桥梁直线 特征， 采用Hough直线检测算法对所述目标检测结果进行校验， 去除不符合Hough直线检测算法的目标检测结果。 5.根据权利要求1所述的基于YOLOv4和直线特征的多尺度桥梁目标检测方法， 其特征 在于， 所述桥梁横跨在河流之上、 且桥梁的长度和河流的宽度的差值在设定范围内， 具体包 括： 其中， L为桥梁目标的长度， w为桥梁目标所在处河流宽度， wmean为图像中整体河流的平 均宽度。 6.根据权利要求1所述的基于YOLOv4和直线特征的多尺度桥梁目标检测方法， 其特征 在于， 桥梁的长度是宽度的五倍以上。权　利　要　求　书 1/1 页 2 CN 115272879 A 2基于YOLOv4和直线特征的多尺度桥梁目标 检测方法 技术领域 [0001]本发明属于图像处理技术领域， 涉及 基于YOLOv4和直线特征的多尺度桥梁目标检 测方法。 背景技术 [0002]近年来， 随着航 空航天技术的飞速发展， 卫星遥感图像的获取手段日益成熟， 卫星 图像的分辨率(包括时间、 空间、 辐射和光谱)正在不断提高。 目前， 遥感已突破数据获取的 限制， 正在走向全面应用阶段， 为遥感影 像目标检测识别奠定 了数据基础。 [0003]随着卫星遥感图像处理、 计算机视觉处理和人工智能技术的快速发展， 遥感图像 目标检测和识别技术成为研究的热点， 广泛应用于生活和工作的各个方面。 目标识别是图 像解译领域最重要的研究内容之一， 特别是近年来人工智能的迅速发展， 给传统的图像目 标检测和识别带来了新的发展方向和技术手段。 卷积神经网络可以提取深层次的关键信 息， 并且能够自主完成目标的学习过程， 因此具有较强的鲁棒性， 是一种快速发展的检测方 法。 当前， 基于深度学习的目标检测算法主要有两种： 一阶段算法和两阶段算法。 两阶段算 法基于目标候选框思想， 先提取目标候选框， 再在其基础上训练检测模型， 如Fast ‑CNN， Faster R‑CNN等。 而一阶段检测算法基于回归思想， 直接利用检测网络获取目标的类别和 位置信息， 因此 具备更高的检测效率， 代 表性的算法有S SD， YOLOv3， YOLOv4 等。 [0004]桥梁作为一种 典型的地物， 在影像上有明显 的目标特征， 但是由于桥梁的种类较 多， 类型和用途比较复杂， 周围的地物环境对目标的识别有较大的干扰， 因此桥梁识别一直 是影像目标检测的重难点之一。 发明内容 [0005]本发明提出基于YOLOv4和直线特征的多尺度桥梁目标检测方法， 解决了现有技术 中桥梁目标检测精度低的问题。 [0006]本发明的技 术方案是这样实现的： 包括 [0007]对输入的遥感影 像建立金字塔， 并对金字塔 影像进行切片操作， 得到多层切片； [0008]将多层切片分别输入桥梁目标检测模型， 得到多层桥梁目标检测结果； [0009]将多层桥梁目标检测结果进行融合与合并， 得到目标检测结果； [0010]其中， 所述桥梁目标检测模型采用YOLOv4算法， 在算法实现 中， 同时满足预设条件 的目标被识别为 桥梁目标， 所述预设条件 包括： [0011]桥梁横跨在河流之上、 且桥梁长度和河流宽度的差值在设定范围内； [0012]桥梁长度和宽度的比例大于设定值。 [0013]进一步， 所述桥梁目标检测模型采用CSPDarknet53作为主干网络、 YOLOv3作为 Head、 PANet作为特 征融合模块、 S PP作为附加模块。 [0014]进一步， CSPD arknet53包含5个大残差块， 5个大残差块包含的小残差单元个数分 别为1、 2、 8、 8、 4。说　明　书 1/4 页 3 CN 115272879 A 3