卢昌达, 李晓欢, 叶金才, 唐 欣

(1.桂林电子科技大学 信息与通信学院,广西 桂林 541004;2.桂林电子科技大学信息科技学院,广西 桂林 541004)

浮标是一种用于获取现场水域水文信息的实况监测装置,是江河湖海等水域信息化建设的重要手段[1]。浮标长期工作于复杂、恶劣的水域环境中,难免出现能源耗尽、损坏等导致失联、失效的情况,需要对其打捞维护。除此之外,临海各国投放非法的漂流浮标恶意侦听我国边海防部署信息,侵害我国合法海洋权益。因此,水面浮标识别在民用和军事上均具有重要意义。

由于水面浮标识别需要覆盖的范围较广,传统的巡逻船进行水上巡逻费时费力,效率较低[2-3]。相比之下,基于无人机视觉的目标识别方法能够实现对水面浮标的精确定位与快速识别。传统图像识别主要采用Harris角点[4]、尺度不变特征[5]、旋转不变特征[6]和方向梯度直方图[7-8]等人工特征来对图像进行特征提取、识别。钟鹏程等[9]利用ORB算法提取图像角点特征,结合旋转不变特征获得更高的识别效率和识别精度。韩习习等[10]将方向梯度直方图特征、局部二值模式特征和颜色特征融合得到图像特征向量,利用融合后特征进行图像分类识别。然而传统的方法过于依赖专家特征,鲁棒性和泛化能力较差。随着深度学习技术的发展,基于深度学习的目标检测方法在水面目标检测中得到广泛应用[11-14]。刘黎等[15]结合特征金字塔和可变性卷积改进Faster-RCNN,提升网络对小目标的检测能力。……