本发明实施例涉及计算机数据处理，具体涉及一种恶劣环境下机场站坪的目标检测方法以及相关设备。
背景技术：
1、在机场站坪这一多元化和动态的环境中，对人员、车辆和飞机的检测至关重要，尤其是在恶劣天气环境下。
2、在实施本发明实施例的过程中，发明人发现：由于雾天、雨天、雪天、低光照和模糊多种恶劣环境下的样本数据较少，无法针对性地对模型在恶劣环境下机场站坪的目标检测能力进行训练，由此就导致目标检测模型在雾天、雨天、雪天、低光照和模糊等多种恶劣环境下的表现不佳。
3、因此，需要一种更加准确的恶劣环境下机场站坪的目标检测方案。
技术实现思路
1、鉴于上述问题，本发明实施例提供了一种恶劣环境下机场站坪的目标检测方法，用于解决现有技术中存在的恶劣环境下机场站坪目标检测表现不佳问题。
2、根据本发明实施例的一个方面，提供了一种恶劣环境下机场站坪的目标检测方法，所述方法包括：
3、获取目标机场站坪对应的待检测图像；
4、将所述待检测图像输入预设的目标检测模型，得到所述待检测图像对应的目标检测结果；
5、其中，所述目标检测模型的目标训练样本集根据预设的生成对抗网络针对预设的原始训练图像样本输出的模糊化图像，对所述原始图像样本进行扩充得到；
6、所述生成对抗网络包括生成器与鉴别器；所述生成对抗网络的训练过程包括：获取所述生成器针对输入的真实清晰图像样本输出的模拟模糊图像；
7、获取所述鉴别器针对输入的所述模拟模糊图像、真实清晰图像样本以及预设的真实模糊图像样本分别输出的真实图像预测概率；
8、根据所述模拟模糊图像、所述真实清晰图像样本以及所述真实模糊图像样本的所述真实图像预测概率之间的距离，确定第一损失函数；
9、根据第一损失函数对所述生成对抗网络进行训练直至所述生成对抗网络收敛。
10、在一种可选的方式中，所述方法还包括：
11、计算所述真实清晰图像样本以及真实模糊图像样本的所述真实图像预测概率之间的距离，得到基准距离；
12、计算所述模拟模糊图像与所述真实清晰图像样本的所述真实图像预测概率之间的第一距离，以及所述模拟模糊图像与所述真实模糊图像样本的所述真实图像预测概率之间的第二距离；
13、根据所述第一距离与所述第二距离的和与所述基准距离之间的目标距离，得到所述第一损失函数。
14、在一种可选的方式中，所述真实图像预测概率包括概率矩阵；所述概率矩阵中的各个数值对应于输入所述鉴别器的图像的各个像素点属于真实图像中的像素点的概率；所述方法还包括：
15、根据所述模拟模糊图像对应的所述概率矩阵的尺寸对所述目标距离进行归一化处理，得到所述第一损失函数。
16、在一种可选的方式中，所述方法还包括：
17、根据所述模拟模糊图像与所述真实清晰图像样本之间的相似度，确定第二损失函数；
18、根据所述第一损失函数以及第二损失函数对所述生成对抗网络进行训练直至所述生成对抗网络收敛。
19、在一种可选的方式中，所述生成器包括依次连接的编码器以及解码器；所述模拟模糊图像通过编码器以及解码器对所述真实清晰图像样本依次进行处理得到；
20、所述方法还包括：
21、将所述真实清晰图像样本以及所述模拟模糊图像分别输入所述编码器，得到所述真实清晰图像样本以及所述模拟模糊图像分别对应的特征图；所述特征图的层数根据所述编码器包含的卷积层的层数确定；
22、根据所述真实清晰图像样本以及所述模拟模糊图像分别对应的特征图之间的格拉姆矩阵，确定所述模拟模糊图像与所述真实清晰图像样本之间的相似度。
23、在一种可选的方式中，所述方法还包括：
24、根据所述模拟模糊图像与所述真实模糊图像样本之间的相似度，确定第三损失函数；
25、根据所述第一损失函数以及第三损失函数对所述生成对抗网络进行训练直至所述生成对抗网络收敛。
26、在一种可选的方式中，所述方法还包括：
27、根据所述模拟模糊图像与所述真实清晰图像样本之间的相似度，确定第二损失函数；
28、根据所述模拟模糊图像与所述真实模糊图像样本之间的相似度，确定第三损失函数；
29、根据所述第一损失函数、第二损失函数以及第三损失函数对所述生成对抗网络进行训练直至所述生成对抗网络收敛。
30、根据本发明实施例的另一方面，提供了一种恶劣环境下机场站坪的目标检测装置，包括：
31、获取模块，用于获取目标机场站坪对应的待检测图像；
32、检测模块，用于将所述待检测图像输入预设的目标检测模型，得到所述待检测图像对应的目标检测结果；其中，所述目标检测模型的目标训练样本集根据预设的生成对抗网络针对预设的原始训练图像样本输出的模糊化图像，对所述原始图像样本进行扩充得到；所述生成对抗网络包括生成器与鉴别器；所述生成对抗网络的训练过程包括：获取所述生成器针对输入的真实清晰图像样本输出的模拟模糊图像；获取所述鉴别器针对输入的所述模拟模糊图像、真实清晰图像样本以及预设的真实模糊图像样本分别输出的真实图像预测概率；根据所述模拟模糊图像、所述真实清晰图像样本以及所述真实模糊图像样本的所述真实图像预测概率之间的距离，确定第一损失函数；根据第一损失函数对所述生成对抗网络进行训练直至所述生成对抗网络收敛。
33、根据本发明实施例的另一方面，提供了一种恶劣环境下机场站坪的目标检测设备，包括：
34、处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
35、所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行如前述任意一项所述的恶劣环境下机场站坪的目标检测方法实施例的操作。
36、根据本发明实施例的又一方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使恶劣环境下机场站坪的目标检测设备执行前述任意一项所述的恶劣环境下机场站坪的目标检测方法实施例的操作。
37、本发明实施例中，获取目标机场站坪对应的待检测图像；将所述待检测图像输入预设的目标检测模型，得到所述待检测图像对应的目标检测结果；其中，所述目标检测模型的目标训练样本集根据预设的生成对抗网络针对预设的原始训练图像样本输出的模糊化图像，对所述原始图像样本进行扩充得到；所述生成对抗网络包括生成器与鉴别器；所述生成对抗网络的训练过程包括：获取所述生成器针对输入的真实清晰图像样本输出的模拟模糊图像；获取所述鉴别器针对输入的所述模拟模糊图像、真实清晰图像样本以及预设的真实模糊图像样本分别输出的真实图像预测概率；根据所述模拟模糊图像、所述真实清晰图像样本以及所述真实模糊图像样本的所述真实图像预测概率之间的距离，确定第一损失函数；根据第一损失函数对所述生成对抗网络进行训练直至所述生成对抗网络收敛。从而区别于现有缺乏恶劣环境下采集的机场站坪的真实模糊图像，从而影响对于目标检测模型的训练效果，本发明实施例通过生成对抗网络合成模拟模糊图像作为对于原始图像样本的扩充，能够对目标检测模型进行更全面的训练，从而提高其在实际环境中，特别是在恶劣天气条件下的检测性能。具体地，在对生成对抗网络进行训练时，为了避免在生成图像中引入过多或过少的模糊，同时减少生成图像的人工迹象和失真，根据所述模拟模糊图像、所述真实清晰图像样本以及所述真实模糊图像样本的所述真实图像预测概率之间的距离，确定第一损失函数，以使得生成图像在概率分布上位于真实清晰图像和真实有雾图像之间，从而确保生成的图像既有清晰图像的特征，也有模糊图像的特征，但不会引入额外的失真或人工迹象，由此能够提高恶劣环境下机场站坪的目标检测的准确率。
38、上述说明仅是本发明实施例技术方案的概述，为了能够更清楚了解本发明实施例的技术手段，而可依照说明书的内容予以实施，并且为了让本发明实施例的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
1.一种恶劣环境下机场站坪的目标检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，在所述将所述待检测图像输入预设的目标检测模型，得到所述待检测图像对应的目标检测结果之前，包括：
3.根据权利要求2所述的方法，其特征在于，所述真实图像预测概率包括概率矩阵；所述概率矩阵中的各个数值对应于输入所述鉴别器的图像的各个像素点属于真实图像中的像素点的概率；在所述将所述待检测图像输入预设的目标检测模型，得到所述待检测图像对应的目标检测结果之前，包括：
4.根据权利要求1所述的方法，其特征在于，在所述将所述待检测图像输入预设的目标检测模型，得到所述待检测图像对应的目标检测结果之前，还包括：
5.根据权利要求4所述的方法，其特征在于，所述生成器包括依次连接的编码器以及解码器；所述模拟模糊图像通过编码器以及解码器对所述真实清晰图像样本依次进行处理得到；
6.根据权利要求1所述的方法，其特征在于，在所述将所述待检测图像输入预设的目标检测模型，得到所述待检测图像对应的目标检测结果之前，还包括：
7.根据权利要求1所述的方法，其特征在于，在所述将所述待检测图像输入预设的目标检测模型，得到所述待检测图像对应的目标检测结果之前，还包括：
8.一种恶劣环境下机场站坪的目标检测装置，其特征在于，所述装置包括：
9.一种恶劣环境下机场站坪的目标检测设备，其特征在于，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
10.一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一可执行指令，所述可执行指令在恶劣环境下机场站坪的目标检测设备上运行时，使得恶劣环境下机场站坪的目标检测设备执行如权利要求1-7任意一项所述的恶劣环境下机场站坪的目标检测方法的操作。
