基于Faster RCNN以及多部件结合的机场场面静态飞机检测

作     者：戴陈卡 李毅 DAI Chenka;LI Yi

作者机构：四川大学计算机学院成都610065 四川大学国家空管自动化系统技术重点实验室成都610065 

出 版 物：《计算机应用》 (journal of Computer Applications)

年 卷 期：2017年第37卷第A02期

页      面：85-88页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：十二五国家空管委空管科研课题(GKG201403004) 

主　　题：卷积神经网络 飞机检测 多部件结合 目标识别 

摘      要：针对机场场面飞机检测中,由于目标几何轮廓不完整、姿态不一等原因导致的目标检测难度大、准确率低的问题,提出了基于Faster RCNN以及多部件结合的机场场面静态飞机检测方法。首先,使用Faster RCNN框架提取飞机及其部件(包括尾翼、机翼、机身),先降低检测置信度,检测出足够多的部件;然后,再根据飞机与部件的交叠率,判断部件与所属飞机的关系,滤去孤立的飞机目标和部件;最后,调整检测框大小,获得最终的飞机检测框。实验结果表明,所提方法相较于原始的Faster RCNN,对机场场面的飞机识别率提高了9%,对不同姿态,不同场景下的飞机目标检测皆有不错的检测效果,目标识别准确率达90%以上。