(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 202210505926.0 (22)申请日 2022.05.10 (71)申请人 电子科技大 学 地址 611731 四川省成 都市高新区 （西区） 西源大道 2006号 (72)发明人 李超　殷光强　杨钊贤　杨晓宇　 田晓杰　 (74)专利代理 机构 成都天嘉专利事务所(普通 合伙) 5121 1 专利代理师 彭红艳 (51)Int.Cl. G06T 7/00(2017.01) G06V 10/44(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01)G06N 3/08(2006.01) G06N 3/04(2006.01) (54)发明名称 一种基于跨级特征增强的目标馕的识别及 计数方法 (57)摘要 本发明涉及图像识别与检测技术领域， 特别 是涉及一种基于跨级特征增强的目标馕的识别 及计数方法， 包括目标馕区域的提取、 浅层纹理 信息提取、 浅层纹理特征提取、 深层语义特征提 取以及利用浅层纹理特征和深层语义特征构造 全连接层， 得到跨级特征增强的结果， 对该结果 进行分类和计数。 通过本识别及计数方法， 能有 效解决现有技术中不能快速、 有效、 自动地识别 出纹理特征差异过小的不同种类馕的问题。 权利要求书2页 说明书6页 附图1页 CN 114926420 A 2022.08.19 CN 114926420 A 1.一种基于跨级特 征增强的目标馕的识别及计数 方法， 其特 征在于： 包括以下步骤： S1. 用神经网络的边框回归的方式提取 出目标馕所在的区域， 具体包括以下步骤： S11. 构建并修 正椭圆预选 框； S12. 输入预处 理后的图像； S13. 利用椭圆预选框匹配并预测该预处理后的图像中馕 的边框， 区分、 筛选并分割出 包含有目标馕区域的图像； S2. 目标馕区域图像的浅层纹理信息提取， 并将提取的浅层纹理信息分为两部分， 一部 分经过分类得到对应的浅层纹 理特征； 另一部分用于 输入深层网络； S3. 利用深层网络提取输入的浅层纹 理信息中的深层语义特 征； S4. 利用浅层纹理特征和深层语义特征构造全连接层， 得到跨级特征增强的结果， 对该 结果进行分类和计数。 2.根据权利要求1所述的一种基于跨级特征增强的目标馕的识别及计数方法， 其特征 在于： 所述步骤S11中构建椭圆预选框具体指： 依据实际计算的椭圆坐标， 向上取整， 生成椭 圆内为1、 椭圆外为0的椭圆掩码； 将矩形 预选框与椭圆掩码相乘形成椭圆预选 框。 3.根据权利要求2所述的一种基于跨级特征增强的目标馕的识别及计数方法， 其特征 在于： 所述步骤S11中修正椭圆预选框具体指： 依据矩形预选框的长宽 生成椭圆标注框， 计 算 椭圆预选框和椭圆标注框的交并比， 当交并比大于或等于0.7时， 作为正样本训练对目标馕 区域的识别； 当交并比小于 0.7时， 作为负 样本对馕背景的识别。 4.根据权利要求1所述的一种基于跨级特征增强的目标馕的识别及计数方法， 其特征 在于： 所述步骤S2中浅层纹理信息提取具体指： 将分割后的有目标馕区域的图像D*W*H连续 输入2层64  * W/2 * H/2 的conv网络、 3层128  * W/4 * H/4 的conv网络和4层256  * W/8  * H/8 的conv网络， 其输出的结果 为浅层纹 理信息。 5.根据权利要求4所述的一种基于跨级特征增强的目标馕的识别及计数方法， 其特征 在于： 所述步骤S2中经过分类得到对应的浅层纹理特征具体指： 将浅层纹理信息经过全连 接层FC层 进行输出， 并依据馕的特征种类的数量n设置成n组8位的特征向量， 所述n组8位的 特征向量即浅层纹 理特征， 用于表示 馕浅层特 征的不同等级分类。 6.根据权利要求5所述的一种基于跨级特征增强的目标馕的识别及计数方法， 其特征 在于： 所述步骤S3中利用深层网络提取输入的浅层纹理信息中的深层语义特征具体指： 将 一部分浅层网络提取的浅层 纹理信息送入深层网络进行语义分析， 利用tr ansformer结构 的深层网络， 将浅层网络输出的浅层纹理信息D*W*H划分成3D  * W/4 * H/4个4*4的小片， 随后将划分后的小片输入至LE层和偶数个的STB 层， 并重复3~4次， 得到深层语义特 征。 7.根据权利要求6所述的一种基于跨级特征增强的目标馕的识别及计数方法， 其特征 在于： 所述S4具体指： 将n组8位的特征向量， 通过加权拼接的方式， 生成N*8位的特征向量， 其中， 加权过程中的加权系数为 ， 为不同种特征种 类所对应的权重； 将该N*8位的 特征向量乘以权重θ并与深层网络输出 的深层语义特征进行拼接， 其中， 权重θ为浅层纹理 特征所对应的权重； 通过3层全连接层FC层输出最终分类结果， 即得到跨级特征增强的结 果； 对跨级特 征增强的结果进行分类； 根据分类结果对各类馕进行计数。 8.根据权利要求1所述的一种基于跨级特征增强的目标馕的识别及计数方法， 其特征权　利　要　求　书 1/2 页 2 CN 114926420 A 2在于： 所述 步骤S1还包括： 图像的采集和图像的预处 理。 9.根据权利要求8所述的一种基于跨级特征增强的目标馕的识别及计数方法， 其特征 在于： 所述图像的预处理具体指： 通过预加偏置的伽马变换将馕的可见光图像变换为灰度 图， 并通过模糊处理剔除小颗粒色差区域， 再与原始的可见光图像合并为四通道图像， 所述 原始的可见光图像为 “RGB”三通道图像。 10.根据权利要求1所述的一种基于跨级特征增强的目标馕的识别及计数方法， 其特征 在于： 所述深层网络采用残差收缩网络， 采用注意力机制， 自适应调整网络激活函数阈值τ， 当输入小于 τ 时输出为0， 大于 τ 时输出值 为输入‑τ。权　利　要　求　书 2/2 页 3 CN 114926420 A 3