(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 202211486764.7 (22)申请日 2022.11.25 (71)申请人 成都国星宇 航科技股份有限公司 地址 610094 四川省成 都市双流区空港商 务区东升街道双楠大道中段333号7栋 1楼16号 (72)发明人 赵宏杰　陆川　谭真　 (74)专利代理 机构 广州三环 专利商标代理有限 公司 44202 专利代理师 孙朝锐 (51)Int.Cl. G06V 20/13(2022.01) G06V 20/40(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 基于视频卫星数据的目标检测方法、 装置及 设备 (57)摘要 本申请公开了一种基于视频卫星数据的目 标检测方法、 装置及设备， 根据视频卫星数据尺 寸大、 信息量多的特点， 通过内容判别网络对关 键帧和待检测帧进行一致性判断， 目标一致直接 进行目标查找， 不一致则再通过检测网络进行目 标识别， 利用跳帧检测策略较好地提高了目标检 测速度； 同时， 基于现有的SSD检测网络进行了改 进， 得到目标检测模型， 较好地适应了多目标的 多尺度问题， 实现在不同尺度上对目标进行检 测； 目标检测模 型中的超参特征卷积层能够将底 层特征丰富到高层， 以便于目标识别； 目标检测 模型中的反卷积层可以在执行目标检测时引入 额外的上一级尺度的上下文信息， 提高物体检测 的准确性。 权利要求书2页 说明书11页 附图10页 CN 115546660 A 2022.12.30 CN 115546660 A 1.一种基于 视频卫星数据的目标检测方法， 其特 征在于， 包括以下步骤： 获取待检测视频卫星数据； 其中， 所述视频卫星数据中包 含多个待检测帧； 基于预设的内容判别网络， 将所述待检测帧与预设的关键帧进行一致性检测； 其中， 所 述关键帧包括已标注的待测目标； 若所述待检测帧与 所述关键帧内容不一致， 则将所述待检测帧输入预训练的目标检测 模型进行目标识别， 得到所述待检测帧的目标检测结果； 其中， 所述目标检测模 型基于改进 SSD检测网络训练获得， 所述改进S SD检测网络包括超参特 征卷积层和反卷积层； 若所述待检测帧与所述关键帧内容一致， 则利用所述关键帧进行局部目标查找， 得到 所述待检测帧的目标检测结果。 2.如权利要求1所述的基于视频卫星数据的目标检测方法， 其特征在于， 所述基于预设 的内容判别网络， 将所述待检测帧与预设的关键帧进行一 致性检测的步骤之前， 还 包括： 获取带标签的卫星视频图像； 利用所述带标签的卫星视频图像， 构造所述内容判别网络； 其中， 所述内容判别网络包 含参数共享的卷积网络和全连接层。 3.如权利要求1所述的基于视频卫星数据的目标检测方法， 其特征在于， 所述若所述待 检测帧与所述关键帧内容不一致， 则将所述待检测帧输入预训练的目标检测模型进行目标 识别， 得到所述待检测帧的目标检测结果的步骤之后， 还 包括： 将所述待检测帧作为 新的关键帧。 4.如权利要求1所述的基于视频卫星数据的目标检测方法， 其特征在于， 所述目标检测 模型包括已训练的超参特征卷积层、 反卷积层以及卷积层； 所述将所述待检测帧输入预训 练的目标检测模型进行目标识别， 得到所述待检测帧的目标检测结果的步骤， 包括： 输入所述待检测帧； 通过所述已训练的超参特征卷积层、 所述卷积层和所述反卷积层， 对所述待检测帧进 行卷积和反卷积 操作， 获得 所述待检测帧的特 征； 根据所述特 征， 获得所述待检测帧的目标检测结果。 5.如权利要求1所述的基于视频卫星数据的目标检测方法， 其特征在于， 所述将所述待 检测帧输入预训练的目标检测模型进 行目标识别， 得到所述待检测帧的目标检测结果的步 骤之前， 还 包括： 获取标准的所述S SD检测网络； 将所述SSD检测网络的卷积层Conv1、 卷积层Conv2和 卷积层Conv3进行尺度变换， 将所 述卷积层Co nv1、 卷积层Co nv2和卷积层Co nv3的特征统一到超参特 征卷积层Co nv4中； 将卷积层Conv5和卷积层Conv6进行特征池化追加， 分别得到卷积层Conv7和卷积层 Conv8； 将所述卷积层Co nv8进行池化操作， 得到卷积层Co nv9； 将所述卷积层Conv9和所述卷积层Conv8进行反卷积操作， 分别得到反卷积层Deconv8 和反卷积层Deco nv9； 得到所述改进S SD检测网络 。 6.如权利要求5所述的基于视频卫星数据的目标检测方法， 其特征在于， 所述得到所述 改进SSD检测网络的步骤之后， 还 包括：权　利　要　求　书 1/2 页 2 CN 115546660 A 2获取带标签的视频卫星数据； 对所述带 标签的视频卫星数据进行 数据处理， 获得数据集； 利用所述数据集对所述改进S SD检测网络进行训练， 获得 所述目标检测模型。 7.如权利要求6所述的基于视频卫星数据的目标检测方法， 其特征在于， 所述利用所述 数据集对所述改进S SD检测网络进行训练， 获得 所述目标检测模型的步骤， 包括： 通过如下损失函数， 对所述改进S SD检测网络进行优化： 其中， x为目标判别变量， c为置信度， l为预测框， g为真框， N为默认框数量， 为置信 损失函数， 为定位损失函数， 为定位损失函数 的权重， 为反卷积层 Deconv8和反卷积层Deco nv9的质量控制 损失函数， 为 的权重。 8.如权利要求7所述的基于视频卫星数据的目标检测方法， 其特征在于， 所述质量控制 损失函数的表达式为： 其中， M1表示 层特征通道的数量， M2表示 层特征通道的数量， 为卷积 层Conv7的归一化结果， 为卷积层Conv8的归一化结果， 为反卷积层 Deconv9的归一 化结果， 为反卷积层Deco nv8的归一 化结果。 9.一种基于 视频卫星数据的目标检测装置， 其特 征在于， 包括： 待检测视频卫星数据获取模块， 用于获取待检测视频卫星数据； 其中， 所述视频卫星数 据中包含多个待检测帧； 一致性检测模块， 用于基于预设的内容判别网络， 将所述待检测帧与预设的关键帧进 行一致性检测； 其中， 所述关键帧包括已标注的待测目标； 目标检测模型模块， 用于若所述待检测帧与所述关键帧内容不一致， 则将所述待检测 帧输入预训练的目标检测模型进 行目标识别， 得到所述待检测帧的目标检测结果； 其中， 所 述目标检测模 型基于改进SSD检测网络训练获得， 所述改进SSD检测网络包括超参特征卷积 层和反卷积层； 局部目标查找模块， 用于若所述待检测帧与所述关键帧内容一致， 则利用所述关键帧 进行局部目标查找， 得到所述待检测帧的目标检测结果。 10.一种计算机设备， 其特征在于， 该计算机设备包括存储器和 处理器， 所述存储器中 存储有计算机程序， 所述处理器执行所述计算机程序， 实现如权利要求 1‑8中任一项 所述的 基于视频卫星数据的目标检测方法。权　利　要　求　书 2/2 页 3 CN 115546660 A 3