低小慢无人机降落野外场景识别方法

来源：计算机应用杂志2017年第7期北京时间：

作者：叶利华, 王磊, 赵利平

单位：1. 同济大学 电子与信息工程学院, 上海 201804;2. 嘉兴学院 数理与信息工程学院, 浙江 嘉兴 314000;3. 同济大学 超大规模集成电路研究所, 上海 200092

摘要：针对低小慢无人机野外飞行场景复杂自主降落场景识别问题，提出了一种融合局部金字塔特征和卷积神经网络学习特征的野外场景识别算法。首先，将场景分为4×4和8×8块的小场景，使用方向梯度直方图（HOG）算法提取所有块的场景特征，所有特征首尾连接得到具有空间金字塔特性的特征向量。其次，设计一个针对场景分类的深度卷积神经网络，采用调优训练方法得到卷积神经网络模型，并提取深度网络学习特征。最后，连接两个特征得到最终场景特征，并使用支持向量机（SVM）分类器进行分类。所提算法在Sports-8、Scene-15、Indoor-67以及自建数据集上较传统手工特征方法的识别准确率提高了4个百分点以上。实验结果表明，所提算法能有效提升降落场景识别准确率。

关键词：卷积神经网络,特征提取,无人机,场景分类,金字塔模型

基金资助：国家自然科学基金资助项目（61601200）。